典型文献
基于深度度量学习的卫星云图检索
文献摘要：
针对传统云图检索方法难于获得理想的检索精度且检索效率低的问题,提出了一种基于深度度量学习的云图检索方法.首先设计了残差3D-2D卷积神经网络,以提取云图的空间及光谱特征.鉴于传统基于分类的深度网络所提取的特征可能存在类内差异大、类间差异小的问题,采用三元组训练网络,依据云图之间的相似性将云图映射到度量空间中,以使同类云图在嵌入空间中的距离小于非同类云图.在模型训练时,通过对无损三元组损失函数增加正样本对间距离的约束,改善了传统三元组损失的收敛性能,提高了云图检索的精度.在此基础上,通过哈希学习,将度量空间中的云图特征变换成哈希码,在保证检索精度的条件下提高了检索效率.实验结果表明,在东南沿海云图数据集和北半球区域云图数据集上,本文算法的平均精度均值(mean average precision,mAP)分别达到75.14％和80.14％,优于其他对比方法.
文献关键词：
深度学习;度量学习;三元组损失;卫星云图检索
中图分类号：
作者姓名：
金柱璋;方旭源;黄彦慧;尹曹谦;金炜
作者机构：
宁波大学信息科学与工程学院,浙江 宁波 315211
文献出处：
引用格式：
[1]金柱璋;方旭源;黄彦慧;尹曹谦;金炜-.基于深度度量学习的卫星云图检索)[J].光电工程,2022(04):15-25
A类：
卫星云图检索
B类：
深度度量学习,检索方法,难于,获得理想,2D,光谱特征,深度网络,类内差异,类间差异小,组训,据云,射到,度量空间,空间中的距离,非同,模型训练,三元组损失,损失函数,收敛性能,哈希学习,云图特征,特征变换,换成,哈希码,东南沿海,图数据,北半球,平均精度均值,mean,average,precision,mAP,比方
AB值：
0.340773
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。
