全局与局部：评估用于热带气旋强度估计的 AlexNet 架构
机器学习
2024-12-10 v1 计算机视觉与模式识别
大气与海洋物理
摘要
鉴于热带气旋的破坏性影响，拥有可靠的气旋强度检测系统至关重要。现有多种技术可用于此目的，且各自具有不同的准确度水平。本文介绍了两种基于 AlexNet 架构的集成模型，利用可见光卫星图像估计热带气旋强度。第一个模型在整个数据集上训练，称为全局 AlexNet 模型。第二个模型是 AlexNet 的分布式版本，其中多个 AlexNet 分别在训练数据的子集上训练，这些子集根据气象学家规定的 Saffir-Simpson 风速等级进行分类。我们使用公开的气旋图像数据集，在一个名为 \textit{Deepti} 的深度学习基准模型上评估了这两个模型的性能。结果表明，全局模型（均方根误差 (RMSE) 为 9.03 节）和分布式模型（RMSE 为 9.3 节）均优于基准模型（RMSE 为 13.62 节）。我们对解决方案方法进行了详尽讨论，包括使用梯度类激活图 解释 AlexNet 的性能。我们提出的解决方案策略允许未来在单通道和多通道设置下对各种深度学习模型进行实验。
引用
@article{arxiv.2404.07395,
title = {Global versus Local: Evaluating AlexNet Architectures for Tropical Cyclone Intensity Estimation},
author = {Vikas Dwivedi},
journal= {arXiv preprint arXiv:2404.07395},
year = {2024}
}