买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：自然资源部第一海洋研究所

摘要：本发明涉及海洋温度锋面检测领域，公开了一种基于深度学习的海洋温度锋面智能检测方法，包括如下步骤：（1）将卫星遥感观测得到的海表面温度数据进行预处理得到海表面温度梯度图；（2）在海表面温度梯度图上，通过Labelme标注锋面标签；（3）构建融合多尺度检测和高权重锋面的深度学习算法模型MW‑LSENet；（4）将海表面温度梯度图和锋面标签分别作为模型的输入和输出，进行训练；（5）利用训练后的模型进行海洋温度锋面智能检测。本发明所公开的方法可以实现海洋锋面的自动提取，解决了传统方法对主观阈值的依赖问题，提高了锋面检测速度和精度。

主权项：1.一种基于深度学习的海洋温度锋面智能检测方法，其特征在于，包括如下步骤：（1）将卫星遥感观测得到的海表面温度数据进行预处理得到海表面温度梯度图；（2）在海表面温度梯度图上，通过Labelme标注锋面标签；（3）构建融合多尺度检测和高权重锋面的深度学习算法模型MW-LSENet；（4）将海表面温度梯度图和锋面标签分别作为模型的输入和输出，进行训练；（5）利用训练后的模型进行海洋温度锋面智能检测；步骤（3）中，构建的深度学习算法模型MW-LSENet由5个编码器、4个解码器和一个头部结构依次连接组成，所述编码器用于提取特征并降维，所述解码器用于分析特征并上采样到原始图像大小，所述头部结构用于分析像素点类别概率并生成检测结果；所述编码器包括上层分支、底部分支和下采样层，上层分支用于学习特征图通道维度上的权重比例关系并加入海洋锋的季节性，得到特征图；底部分支通过多尺度模块分析图像特征得到多尺度特征；最后特征图和多尺度特征相加，通过下采样层降低维度输出；所述上层分支包括全局平均池化层和两个全连接层，输入特征图大小为，其中，分别为特征图的高、宽、特征通道数；首先经过全局平均池化层，得到的特征图，然后通过一个全连接层使通道数量降维到，将此时的特征图与当天所属月份的独热码串联，即季节特征，使通道数量变为，然后利用第二个全连接层使通道数量升维到，得到的特征图B2；所述多尺度模块中包括三个依次连接的3×3卷积层，将三个卷积层的输出连接在一起作为一个不同尺度的空间特征组合图，再与输入经过1×1卷积层得到的结果相加，如此获取多尺度特征B1；所述解码器与编码器的区别在于，解码器最后通过上采样层恢复图像大小后输出；所述头部结构包括上层分支和底部分支，底部分支由1×1的卷积层和Softmax激活层组成，用于输出模型检测结果；上层分支是一个位置注意力模块，大小为的输入特征图A首先经过平均池化层，得到的特征图C1，为下采样系数，分别为特征图的高、宽、特征通道数；然后将特征图C1经过卷积层一进行特征学习，将此时的特征图与位置编码的特征图相加，接着将带有位置编码信息的特征图输入到多个卷积层进行特征学习，通过Sigmoid激活层输出模型对每块区域的关注权重，最后将权重特征图通过双线性插值上采样恢复原始大小，并与底部分支结果逐元素相乘，将乘积结果与底部分支结果相加得到最终的检测结果；步骤（4）中，使用带权重的交叉熵损失函数进行模型训练，损失函数公式如下： ；其中，表示样本标签的one-hot编码，当样本属于第类时，=1，否则=0；表示样本属于第类的概率；N表示样本标签数量；表示样本属于第类时的权重。

全文数据：

权利要求：

百度查询： 自然资源部第一海洋研究所 一种基于深度学习的海洋温度锋面智能检测方法