SWOTnet把宽幅测高的分辨率带进传统测高:同一组权重多检出约三成涡旋
海洋中尺度涡旋识别长期依赖硬编码阈值和一组并不唯一的物理约束,检测结果对输入场的小变化敏感。基于浅层U-Net的多模态、多任务模型同时分割涡旋并重建同位置海表温度异常,形成用传统窄幅测高训练的NADIRnet和经SWOT富集数据课程训练的SWOTnet两个版本。SWOTnet在传统窄幅测高上比动力算法多检出约30%的涡旋,且无需重新训练即可用于训练中未见过的测高产品和处理级别。
海洋中尺度涡旋识别长期依赖硬编码阈值和一组并不唯一的物理约束,检测结果对输入场的小变化敏感。基于浅层U-Net的多模态、多任务模型同时分割涡旋并重建同位置海表温度异常,形成用传统窄幅测高训练的NADIRnet和经SWOT富集数据课程训练的SWOTnet两个版本。SWOTnet在传统窄幅测高上比动力算法多检出约30%的涡旋,且无需重新训练即可用于训练中未见过的测高产品和处理级别。
已读完全部报道