基于Inception区域候选定位网络的太阳黑子群描述研究

准确地检测和描述全日面图像中的黑子群可以为监控和预测太阳活动提供依据。目前图像描述技术已有大量研究工作,但关于太阳黑子群描述方面的研究仍未涉及。针对苏黎世分类法中的9类太阳黑子群,制作了一个黑子群图像和描述文本的数据集,设计了一种Inception区域候选定位网络IRLN模型,首次将Inception区域候选网络Inception-RPN应用到图像描述中,通过使用Inception-RPN获得候选区域,并根据黑子群的特征改进了Inception模块的结构,提高网络对多尺度黑子群的检测能力。实验结果表明,本文模型在Visual Genome(VG)数据集上mAP为6.09%,比全卷积定位网络FCLN模型提高了0.7%;Meteor为31.9%,比FCLN模型提高了4.6%。在太阳黑子群数据集上mAP为74.47%,比FCLN模型提高了16%;Meteor为47.6%,比FCLN模型提高了14.2%。