典型文献
融合注意力机制的海洋涡旋特征检测与分类模型构建
文献摘要：
该文提出一种有效的基于深度学习的海洋涡旋特征检测模型——EddyRCunet.首先,基于U-Net语义分割框架,引入残差网络的残差块来代替U-Net的卷积层,进行深层次的网络训练,获取更详细的边界信息,解决梯度消失和网络性能下降等问题;其次,在编码器部分添加卷积块注意力机制模块(CBAM),突出重点研究区域,提高网络性能;最后,在海洋表面高度图像(SSH)数据集上训练模型,并与其他方法进行性能评估与对比.实验表明,EddyRCunet模型能获得更好的涡旋检测与分类性能.
文献关键词：
U-Net;编码器;解码器;残差块;CBAM;涡旋特征
中图分类号：
作者姓名：
葛瑶;高鹏;鲁大营
作者机构：
曲阜师范大学网络空间安全学院,273165,山东省曲阜市
文献出处：
引用格式：
[1]葛瑶;高鹏;鲁大营-.融合注意力机制的海洋涡旋特征检测与分类模型构建)[J].曲阜师范大学学报（自然科学版）,2022(04):47-56
A类：
EddyRCunet
B类：
海洋涡旋,涡旋特征,特征检测,分类模型,检测模型,Net,语义分割,残差网络,残差块,卷积层,网络训练,梯度消失,网络性能,性能下降,在编,编码器,加卷,卷积块注意力机制模块,CBAM,突出重点,SSH,训练模型,其他方法,性能评估,分类性能,解码器
AB值：
0.36523
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
