EddyNet：一种用于海洋涡旋逐像素分类的深度神经网络
计算机视觉与模式识别
2020-05-05 v1 大气与海洋物理
摘要
本工作提出 EddyNet，一种基于深度学习的架构，用于从哥白尼海洋与环境监测服务（CMEMS）提供的海面高度（SSH）图中自动检测和分类涡旋。EddyNet 是一个类似 U-Net 的网络，由卷积编码器-解码器后接逐像素分类层组成。输出是与输入尺寸相同的图，其中像素具有以下标签 {'0': 非涡旋, '1': 反气旋涡旋, '2': 气旋涡旋}。我们研究了使用 SELU 激活函数替代经典的 ReLU+BN，并使用基于重叠的损失函数替代交叉熵损失。Keras Python 代码、训练数据集和 EddyNet 权重文件均为开源，可在 https://github.com/redouanelg/EddyNet 免费获取。
引用
@article{arxiv.1711.03954,
title = {EddyNet: A Deep Neural Network For Pixel-Wise Classification of Oceanic Eddies},
author = {Redouane Lguensat and Miao Sun and Ronan Fablet and Evan Mason and Pierre Tandeo and Ge Chen},
journal= {arXiv preprint arXiv:1711.03954},
year = {2020}
}