海洋遙感中卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用—海洋所發(fā)表AI海洋學(xué)文章
近日,中國科學(xué)院海洋所李曉峰研究團(tuán)隊(duì)詳細(xì)總結(jié)了卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)(CNN)在海洋遙感中的應(yīng)用,研究成果在IEEE Geoscience and Remote Sensing Magazine(影響因子13.925)發(fā)表。
過去40年里,遙感技術(shù)的不斷發(fā)展極大地推動(dòng)了海洋觀測(cè)的進(jìn)展,使海洋數(shù)據(jù)進(jìn)入了大數(shù)據(jù)時(shí)代。高效、準(zhǔn)確地處理和分析海洋大數(shù)據(jù),以解決基于這些數(shù)據(jù)的實(shí)際問題,已成為一項(xiàng)重大挑戰(zhàn)。近年來,人工智能(AI)技術(shù)迅猛發(fā)展,眾多深度學(xué)習(xí)模型應(yīng)運(yùn)而生,在大數(shù)據(jù)分析和實(shí)際問題解決中廣泛應(yīng)用。其中,CNN作為深度學(xué)習(xí)模型的代表,已經(jīng)成為計(jì)算機(jī)視覺和遙感等多個(gè)研究領(lǐng)域的主要解決方案之一。
本研究討論了CNN的模型架構(gòu)及其一些變種,以及如何將它們應(yīng)用于處理和分析海洋遙感數(shù)據(jù)。詳細(xì)介紹了CNN如何滿足海洋遙感應(yīng)用的各種要求,包括三維海洋場(chǎng)重建、信息提取、圖像超分辨率、海洋現(xiàn)象預(yù)測(cè)、遷移學(xué)習(xí)方法以及CNN模型可解釋性方法等六大類。討論了基于CNN的海洋遙感大數(shù)據(jù)應(yīng)用所面臨的技術(shù)挑戰(zhàn),并總結(jié)了未來的研究方向。
研究強(qiáng)調(diào),人工智能驅(qū)動(dòng)的海洋遙感科學(xué)是一個(gè)跨學(xué)科領(lǐng)域,只有通過海洋遙感專家和機(jī)器學(xué)習(xí)專家之間的緊密合作,才能不斷推進(jìn)深度學(xué)習(xí)技術(shù)在海洋遙感領(lǐng)域的應(yīng)用。通過發(fā)起更多的合作倡議,共同推動(dòng)人工智能驅(qū)動(dòng)的、可解釋的、高效的海洋遙感數(shù)據(jù)挖掘技術(shù)的研究。
上述研究得到了中國科學(xué)院先導(dǎo)科技專項(xiàng)及國家自然科學(xué)基金項(xiàng)目等資助。論文第一作者為中國科學(xué)院海洋所博士生王浩宇,通信作者為研究員李曉峰。
附件下載:
魯公網(wǎng)安備37020202001323號(hào) | 古鎮(zhèn)口園區(qū)地址:青島市西海岸新區(qū)海軍路88號(hào) 南海路園區(qū)地址:青島市市南區(qū)南海路7號(hào) 科考船碼頭基地:青島市西海岸新區(qū)長(zhǎng)江東路8號(hào) |
郵編:266000 郵件:iocas@qdio.ac.cn 電話:0532-82898611 傳真:0532-82898612 |
