MCSDNet：基于多尺度时空信息的 mesoscale 对流系统检测网络
计算机视觉与模式识别
2024-04-29 v1 人工智能
机器学习
摘要
准确检测 mesoscale 对流系统（MCS）对于气象监测至关重要，因为它们可能通过风暴、雷暴和强降雨等严重天气现象造成重大破坏。然而，现有的大多数MCS检测方法仅针对单帧检测，仅考虑静态特征，忽略了MCS生命周期中的时序演化。本文提出一种新型编码器-解码器神经网络用于MCS检测（MCSDNet）。MCSDNet具有简单结构且易于扩展。与之前的模型不同，MCSDNet针对多帧检测，利用多尺度时空信息对遥感影像（RSI）中MCS区域进行检测。据我们所知，这是首次利用多尺度时空信息检测MCS区域的工作。首先，我们设计了多尺度时空信息模块，从不同编码器层提取多层次语义，使模型能够提取更多时空特征。其次，引入时空混合单元（STMU）至MCSDNet，以捕获帧内特征和帧间相关性，该模块可扩展，可被其他时空模块（如CNN、RNN、Transformer以及我们提出的双时空注意力（DSTA））所取代。这意味着未来的时空模块工作可以轻松集成到我们的模型中。最后，我们提出了MCSRSI，即首个基于FY-4A卫星可见通道图像的多帧MCS检测公开数据集。我们在MCSRSI上进行了多项实验，发现与其他基线方法相比，所提出的MCSDNet在MCS检测任务中取得了最佳性能。
引用
@article{arxiv.2404.17186,
title = {MCSDNet: Mesoscale Convective System Detection Network via Multi-scale Spatiotemporal Information},
author = {Jiajun Liang and Baoquan Zhang and Yunming Ye and Xutao Li and Chuyao Luo and Xukai Fu},
journal= {arXiv preprint arXiv:2404.17186},
year = {2024}
}