-
公开(公告)号：CN118628931A
公开(公告)日：2024-09-10
申请号：CN202410860813.1
申请日：2024-06-28
Applicant: 国家气象中心(中央气象台)
IPC: G06V20/13 , G06V20/70 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于机器深度学习的卫星图像大雾自动判识方法及装置，包括获取高分辨率大气云雾卫星数据，并对卫星数据进行预处理得到图像数据，其中，图像数据中雾区被进行了标注；基于图像数据构建训练样本，得到正样本对、负样本对；基于正样本对、负样本对，构建机器深度学习模型并进行训练；其中，在训练过程中基于模型的骨干网络提取雾区特征和非雾区特征；基于所述雾区特征和非雾区特征进行雾区重构；将标注的雾区和重构的雾区进行比对，以二者的差异最小为目标进行模型训练。将对比学习机制应用于深度学习模型中，能够更充分的利用雾区样本，让神经网络更好的学习到雾区与其他非雾区的区分特征，达到更高的雾区判识准确率。
-
公开(公告)号：CN118628931B
公开(公告)日：2025-03-21
申请号：CN202410860813.1
申请日：2024-06-28
Applicant: 国家气象中心(中央气象台)
IPC: G06V20/13 , G06V20/70 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于机器深度学习的卫星图像大雾自动判识方法及装置，包括获取高分辨率大气云雾卫星数据，并对卫星数据进行预处理得到图像数据，其中，图像数据中雾区被进行了标注；基于图像数据构建训练样本，得到正样本对、负样本对；基于正样本对、负样本对，构建机器深度学习模型并进行训练；其中，在训练过程中基于模型的骨干网络提取雾区特征和非雾区特征；基于所述雾区特征和非雾区特征进行雾区重构；将标注的雾区和重构的雾区进行比对，以二者的差异最小为目标进行模型训练。将对比学习机制应用于深度学习模型中，能够更充分的利用雾区样本，让神经网络更好的学习到雾区与其他非雾区的区分特征，达到更高的雾区判识准确率。
-
公开(公告)号：CN118228864A
公开(公告)日：2024-06-21
申请号：CN202410317663.X
申请日：2024-03-20
Applicant: 国家气象中心(中央气象台)
Abstract: 本发明公开了一种用于能见度订正集成预报的方法及装置，其中方法分别采用预设的概率密度匹配法以及滑动双权重法，对原始预报产品进行订正得到未来n0‑n2预报时效两个第一能见度订正预报产品；针对n0‑n1预报时效，基于一阶卡尔曼滤波结合历史能见度实况对所述两个第一能见度订正预报产品进行二次订正，得到两个第二能见度订正预报产品；将两个第一能见度订正预报产品作为针对n1‑n2预报时效的能见度订正预报产品；对所述两个第二能见度订正预报产品、以及所述能见度订正预报产品进行集成。通过本方法提高了预报的准确性。
-
公开(公告)号：CN118228864B
公开(公告)日：2025-01-07
申请号：CN202410317663.X
申请日：2024-03-20
Applicant: 国家气象中心(中央气象台)
Abstract: 本发明公开了一种用于能见度订正集成预报的方法及装置，其中方法分别采用预设的概率密度匹配法以及滑动双权重法，对原始预报产品进行订正得到未来n0‑n2预报时效两个第一能见度订正预报产品；针对n0‑n1预报时效，基于一阶卡尔曼滤波结合历史能见度实况对所述两个第一能见度订正预报产品进行二次订正，得到两个第二能见度订正预报产品；将两个第一能见度订正预报产品作为针对n1‑n2预报时效的能见度订正预报产品；对所述两个第二能见度订正预报产品、以及所述能见度订正预报产品进行集成。通过本方法提高了预报的准确性。
-
-
-
Search Results
4
records
(took 0.031 seconds)
