基于对比学习的终端区相似气象场景识别

TP391; 为了提高终端区相似气象场景(Similar weather scenarios,SWSs)的识别准确率,提出一种基于对比学习的SWS(SWS based on contrastive learning,SWS?CL)识别模型.首先,针对对流天气图像特点,设计了一种数据增强方法来增加天气图像样本的数量和质量.接着,设计了一种对比损失函数使向量表征空间中的正样本与锚点样本之间的距离更近,而负样本与锚点样本之间的距离更远,进而基于对比学习技术在无标记样本集上训练得到相似气象场景分类预训练模型.最后,利用少量标记样本对预训练SWS?CL模型进行监督微调,进一步提高SWS?CL模型的性能....

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	南京航空航天大学学报（英文版） 2022, Vol.39 (4), p.425-433
Hauptverfasser:	陈海燕, 刘振亚, 周逸, 袁立罡
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Zusammenfassung:	TP391; 为了提高终端区相似气象场景(Similar weather scenarios,SWSs)的识别准确率,提出一种基于对比学习的SWS(SWS based on contrastive learning,SWS?CL)识别模型.首先,针对对流天气图像特点,设计了一种数据增强方法来增加天气图像样本的数量和质量.接着,设计了一种对比损失函数使向量表征空间中的正样本与锚点样本之间的距离更近,而负样本与锚点样本之间的距离更远,进而基于对比学习技术在无标记样本集上训练得到相似气象场景分类预训练模型.最后,利用少量标记样本对预训练SWS?CL模型进行监督微调,进一步提高SWS?CL模型的性能.在广州终端区气象图像集上的对比实验表明,所提出的数据增强方法能有效提高气象图像集的质量,所提出的SWS?CL模型能取得令人满意的识别精度,且在标签稀少的数据集上具有明显的优势.
ISSN:	1005-1120