SymmetricNet：一种基于多变量融合数据的中尺度涡检测方法
计算机视觉与模式识别
2019-10-01 v1
摘要
中尺度涡在海洋能量输运、海洋生物环境与海洋气候中发挥着重要作用。由于其对中国海洋的巨大影响，中尺度涡检测已成为近年来的研究热点。因此，越来越多的人进入中尺度涡检测领域。然而，现有的主要基于传统检测方法的检测手段通常仅使用海面高度（SSH）作为变量进行检测，导致性能不准确。在本文中，我们提出一种基于多变量融合数据的中尺度涡检测方法来解决该问题。我们不仅使用了 SSH 变量，还加入了海面温度（SST）与流速两个变量，实现了多变量信息融合输入。我们设计了一种新颖的对称网络，通过横向连接合并来自下采样通路的低层特征图与来自上采样通路的高层特征图。此外，我们将空洞卷积应用于网络结构，以在参数不变的情况下增大感受野并获取更多上下文信息。最终，我们在自行提供的数据集上证明了方法的有效性，测试集性能达到 97.06%，大幅提升了以往中尺度涡检测方法的性能。
引用
@article{arxiv.1909.13411,
title = {SymmetricNet: A mesoscale eddy detection method based on multivariate fusion data},
author = {Zhenlin Fan and Guoqiang Zhong},
journal= {arXiv preprint arXiv:1909.13411},
year = {2019}
}