Aug, 2017

GlobeNet：卷积神经网络用于遥感图像中的台风眼追踪

PDF
TL;DR本篇研究提出使用多层神经网络基于多通道卫星图像对复杂大气动态进行理解，为单个台风坐标预测任务进行线性回归并在东北半球获得了有趣的预测结果。
remote sensingmulti-layer neural networksatmospheric dynamicstyphoon predictionsatellite images
发现论文，激发创造
  • 使用视觉转换器进行台风强度预测

    利用卫星图像进行场景分析以准确预测台风强度，引入自注意力机制的 “Typhoon Intensity Transformer”（Tint）通过每层具有全局感受野的自注意力操作，提升了局部和全局上下文关系的提取能力，并在公开的台风基准测试中验证了其在深度学习和常规气象方法方面的有效性。

    Nov, 2023

  • 卷积神经网络应用于天空图像，用于短期太阳辐射预测

    本文介绍了使用深度卷积神经网络预测太阳能辐射强度的初步结果，并探讨了训练算法的图像识别技术，和利用过去相同日期数据进行训练以提高短期预测技能的方法。

    May, 2020

  • 基于注意力机制的卫星图像散射网络

    利用散射变换从多通道卫星图像中提取高级特征，并引入分离方案以关注独立输入通道，通过实验对热带气旋强度估计和卫星图像中雷电预测显示出有希望的结果。

    Oct, 2022

  • 卷积神经网络在遥感图像土地利用分类中的应用

    本研究旨在探讨使用卷积神经网络对遥感场景进行语义分类的方法，通过采用 CaffeNet 和 GoogLeNet 架构，并进行多种不同的学习方式包括预训练网络的微调等，实验结果表明该方法在两个遥感数据集的性能表现都显著优于同类方法。

    Aug, 2015

  • 处理时间异质性卫星数据实现实时热带气旋强度估计

    提出了一个使用生成对抗网络和卷积神经网络相结合的新颖框架，该模型利用所有卫星数据进行训练，只使用高频红外和水汽数据提供强度估计，并且可以将最大估计频率从 3 小时提高到不到 15 分钟。

    Oct, 2020

  • 利用轻量级神经网络提高极端天气事件检测能力

    我们尝试优化一种新型轻量级上下文引导的卷积神经网络，通过对特征处理、数据增强、损失函数和架构的修改，提高对气候数据中的热带气旋和大气河流的语义分割，尤其着重于最具破坏性的天气现象 —— 热带气旋的检测，采用加权损失函数以改善珍稀事件的类别不平衡性，具有一定的成功性。这个研究有利于提高掌握气候变化影响下的极端天气事件检测的能力，为预测、缓解和公平适应气候变化带来新的方向。

    Mar, 2023

  • 利用对齐的重分析数据，融合深度学习进行热带气旋路径预测

    本文利用神经网络模型输入历史路径数据和再分析大气图像数据，很好地解决了热带气旋准确预测的问题，模型预测准确率较高，相较于传统的预测方法有很大的优势，可以为实时预报提供宝贵的参考依据。

    Oct, 2019

  • 全球与本地：评估用于热带气旋强度估计的 AlexNet 架构

    使用可见卫星图像，基于 AlexNet 架构引入两种基于模型的集成模型来估计热带气旋强度，其中全局模型和分布式模型在性能上均优于基准模型，并提供了详细的解决方案讨论和对 AlexNet 性能的解释。

    Apr, 2024

  • 近距离和远程感知的统一模型

    本文提出了一种新型卷积神经网络架构，用于估计地理空间函数，并使用各种标签创建了一个大型数据集进行评估。

    Aug, 2017

  • 一种用于风暴潮预测的高级时空卷积循环神经网络

    本研究使用人工神经网络模型结合一组合成暴风模拟数据库，研究了该模型模拟风暴潮水平的能力；使用时间序列模型 Long short-term memory，和结合卷积神经网络的 ConvLSTM 模型捕捉数据的时空相关性；该模型的性能优于高斯过程实现多个合成风暴数据库的结果。

    Apr, 2022