LSENet：位置与季节性增强的多类海洋锋检测网络
计算机视觉与模式识别
2022-05-24 v1 人工智能
摘要
海洋锋会引起营养物质聚集并影响水下声传播，因此高精度海洋锋检测对海洋渔业与国防领域具有重要意义。然而，当前海洋锋检测方法要么检测精度低，要么大多只能通过二分类检测海洋锋是否发生，很少考虑不同海域中多类海洋锋特征差异。为解决上述问题，我们提出一种称为位置与季节性增强网络（LSENet）的语义分割网络，用于像素级多类海洋锋检测。该网络中，我们首先设计通道监督单元结构，融合海洋锋自身的季节特征与上下文信息以提升检测精度。我们还引入位置注意力机制，根据海洋锋频发海域自适应分配注意力权重，可进一步提升多类海洋锋检测精度。与其他语义分割方法及当前代表性海洋锋检测方法相比，实验结果令人信服地表明我们的方法更有效。
引用
@article{arxiv.2108.02455,
title = {LSENet: Location and Seasonality Enhanced Network for Multi-Class Ocean Front Detection},
author = {Cui Xie and Hao Guo and Junyu Dong},
journal= {arXiv preprint arXiv:2108.02455},
year = {2022}
}