利用轻量级神经网络改进极端天气事件检测
计算机视觉与模式识别
2023-04-04 v1 人工智能
摘要
为推进极端天气事件的自动化检测——此类事件随气候变化在频率与强度上均呈上升态势——我们探索对一种新颖的轻量级 Context Guided 卷积神经网络架构的改进，该架构训练用于气候数据中热带气旋与大气河的语义分割。我们的主要焦点是最具破坏性的天气事件热带气旋，当前模型对其表现有限。我们研究了特征工程、数据增强、学习率调整、替代损失函数及架构改动。与以往优化交并比的方法不同，我们专门寻求提升召回率以惩罚漏检并优先识别热带气旋。我们报告了通过加权损失函数应对这些罕见事件的类别不平衡所取得的成功。最后，我们就极端天气事件检测这一对预测、减缓及公平适应气候变化影响至关重要的任务给出未来研究方向。
引用
@article{arxiv.2304.00176,
title = {Improving extreme weather events detection with light-weight neural networks},
author = {Romain Lacombe and Hannah Grossman and Lucas Hendren and David Lüdeke},
journal= {arXiv preprint arXiv:2304.00176},
year = {2023}
}
备注
Published as a workshop paper at 'Tackling Climate Change with Machine Learning', ICLR 2023