.png){kind=icon}
返回
Cloud-WAVECAP: Ground-based cloud types detection with an efficient wavelet-capsule approach
.png){kind=icon}
PRE
AI
DOI：10.1007/s11227-025-06941-4.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
云检测在各种实践中扮演着重要角色，例如天气预报、气候研究等。本文提出了一种名为cloud-WAVECAP的集成方法，用于地面云检测，结合了小波和胶囊网络。该方法利用小波的多尺度分析能力在不同分辨率下检测显著的云特征。同时，胶囊网络固有的动态路由能力增强了模型捕捉云内部层次结构和空间关系的能力。cloud-WAVECAP模型采用两级小波分解，随后是卷积层和胶囊网络。该架构整合了预处理、小波层和胶囊层，以捕捉低级和高级特征，实现准确的云分类。它在识别不同云类型方面表现出色，这对气象分析至关重要。cloud-WAVECAP使用多种指标进行评估，其性能优于Inception V3、VGGNet、Resnet50和EfficientNet-B7，达到98.42%的精确度、98.48%的召回率和99.12%的准确率。此外，以浮点运算（FLOPs）衡量的模型效率具有竞争力，与其他方法相比，其结果为1.5426 GIGA FLOPS。
Keyword:
Cloud image
Wavelet
Deep learning
Capsule
Weather forecasting
期刊
IF:
2.7
论文数:
1.1K
被引数:
1.0W
机构
引用论文
分享收藏The use of the area under the roc curve in the evaluation of machine learning algorithmsroc曲线下面积在机器学习算法评价中的应用.png)
PATTERN RECOGNITION
OAAI
PATTERN RECOGNITIONIF7.6
OAAI分享收藏
查看更多内容