基于上下文感知CycleGAN的 cyclone 强度估计
计算机视觉与模式识别
2019-05-14 v1 图像与视频处理
摘要
用于 cyclone 强度估计的深度学习方法近期显示出有前景的结果。然而，由于特定强度的 cyclone 数据极度稀缺，大多数现有深度学习方法在 cyclone 强度估计上未能取得满意性能，尤其在样本稀少的类别上。为避免稀缺样本引起的识别性能退化，我们提出一种上下文感知 CycleGAN，其从相邻 cyclone 强度中学习潜在演化特征，并从非配对源类别合成缺乏样本的类别的 CNN 特征。具体而言，我们的方法基于所学演化特征合成特征，同时不需要额外信息。多种评估方法的实验结果表明了我们方法的有效性，甚至能够预测未见过的类别。
引用
@article{arxiv.1905.04425,
title = {Cyclone intensity estimate with context-aware cyclegan},
author = {Yajing Xu and Haitao Yang and Mingfei Cheng and Si Li},
journal= {arXiv preprint arXiv:1905.04425},
year = {2019}
}
备注
5 pages