用于热带气旋结构分析的极坐标系图像卷积神经网络分析器
计算机视觉与模式识别
2020-10-30 v1 人工智能
摘要
卷积神经网络（CNN）在利用卫星图像分析热带气旋（TC）的若干任务（如 TC 强度估计）中已取得巨大成功。相比之下，传统上由气象专家主观估计少数参数来描述的气旋结构，仍难以客观且常规地刻画。本研究将 CNN 应用于卫星图像以生成覆盖所有结构参数的完整 TC 结构剖面。通过利用气象领域知识基于历史结构参数构建 TC 风剖面，我们为新发布的基准数据集提供了有价值的训练标签。借助该数据集，我们希望引起数据科学家对这一关键问题的更多关注。同时，我们基于极坐标系上运行的专用卷积模型建立了基线。根据 TC 的旋转与螺旋特性，我们发现于极坐标系而非笛卡尔坐标系提取结构信息更为可行且符合物理直觉。在发布基准数据集上的实验结果验证了所提模型的鲁棒性，并展示了将深度学习技术应用于这一尚少开发却重要的课题的潜力。
引用
@article{arxiv.2010.15158,
title = {CNN Profiler on Polar Coordinate Images for Tropical Cyclone Structure Analysis},
author = {Boyo Chen and Buo-Fu Chen and Chun-Min Hsiao},
journal= {arXiv preprint arXiv:2010.15158},
year = {2020}
}
备注
Submitted to AAAI2021