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：南京大学

摘要：本发明公开了一种基于VGGNet模型的台风眼识别与台风眼半径估算方法，利用北半球台风卫星红外云图资料和ARCHER算法得到的有眼概率和眼半径数据，构建卷积神经网络VGGNet模型并进行模型训练，最终得到能够根据输入的红外云图自动识别台风眼区特征的系统DLTCEye，包括台风眼有无判别模型DLTCEye‑Prob和台风眼半径估计模型DLTCEye‑Rad。本发明减少了人工干预，大大提高了台风眼识别和半径估计的效率和准确性，并在此基础上构建均一化、长时序、具有气候学意义的北半球台风眼数据集。

主权项：1.一种基于VGGNet模型的台风眼识别与台风眼半径估算方法，其特征在于包括以下步骤：S1，筛选台风气候数据集HURSAT-B1中有记录且红外亮温均为有效值的台风卫星红外云图，并对所述台风卫星红外云图进行标准化和标签数据处理，得到台风样本数据集，并对样本数据集按年份分为训练集、测试集和验证集；S2，构建深度学习模型：基于卷积神经网络VGGNet模型，分别构建台风眼有无识别模型DLTCEye-Prob和台风眼半径估计模型DLTCEye-Rad，所述台风眼有无识别模型DLTCEye-Prob包括10个卷积层和3个全连接层，所述台风眼有无识别模型DLTCEye-Prob中的前两个全连接层的激活函数采用ReLu函数，最后一个全连接层采用sigmoid函数，损失函数选用二元交叉熵；所述台风眼半径估计模型DLTCEye-Rad包括10个卷积层和3个全连接层，且每个卷积层前分别加入有注意力机制层，所述注意力机制层包括空间注意力层和通道注意力层；所述台风眼半径估计模型DLTCEye-Rad中的前两个全连接层的激活函数采用ReLu函数，最后一个全连接层采用linerar函数，损失函数选用平均绝对误差MAE做为损失函数；S3，深度学习模型训练：通过步骤S1的样本数据对台风眼有无识别模型DLTCEye-Prob和台风眼半径估计模型DLTCEye-Rad进行训练优化，得到训练后的台风眼有无识别模型DLTCEye-Prob和台风眼半径估计模型DLTCEye-Rad；S4，以步骤S3得到的训练后的台风眼有无识别模型DLTCEye-Prob和台风眼半径估计模型DLTCEye-Rad对台风红外图像进行台风眼识别和台风眼半径估计；步骤S2，所述台风眼有无识别模型DLTCEye-Prob中的10个卷积层的通道数依次为32，32，64，64，128，128，256，256，256，256，所述3个全连接层的大小分别为128,64，1；所述风眼半径估计模型DLTCEye-Rad中的10个卷积层的通道数依次为16，16，32，32，64，64，128，128，128，128，所述3个全连接层的大小分别为128，64和1；所述台风眼有无识别模型DLTCEye-Prob和所述风眼半径估计模型DLTCEye-Rad中的卷积核大小为3*3。

全文数据：

权利要求：

百度查询： 南京大学 一种基于VGGNet模型的台风眼识别与台风眼半径估算方法