TCLNet：利用深度神经网络学习定位台风中心
计算机视觉与模式识别
2021-06-01 v2
摘要
台风中心定位任务在台风强度分析与台风路径预测中起着重要作用。传统的台风中心定位算法大多依赖数字图像处理与数学形态学操作，性能有限。本文中，我们提出了一种高效的 fully convolutional 端到端深度神经网络 TCLNet，用于自动定位台风中心位置。我们精心设计了网络结构，使得我们的 TCLNet 能够基于其轻量架构取得显著性能。此外，我们还提出了一个全新的大规模台风中心定位数据集（TCLD），以便 TCLNet 能以有监督方式进行训练。进一步，我们提出使用一种新颖的 TCL+ 分段损失函数来进一步提升 TCLNet 的性能。大量实验结果与对比证明了我们模型的性能，与 SOTA 基于深度学习的台风中心定位方法相比，我们的 TCLNet 在参数减少 92.7% 的基础上准确率提升了 14.4%。
引用
@article{arxiv.2010.01282,
title = {TCLNet: Learning to Locate Typhoon Center Using Deep Neural Network},
author = {Chao Tan},
journal= {arXiv preprint arXiv:2010.01282},
year = {2021}
}