融合注意力机制的海洋涡旋特征检测与分类模型构建

该文提出一种有效的基于深度学习的海洋涡旋特征检测模型——EddyRCunet.首先,基于U-Net语义分割框架,引入残差网络的残差块来代替U-Net的卷积层,进行深层次的网络训练,获取更详细的边界信息,解决梯度消失和网络性能下降等问题;其次,在编码器部分添加卷积块注意力机制模块(CBAM),突出重点研究区域,提高网络性能;最后,在海洋表面高度图像(SSH)数据集上训练模型,并与其他方法进行性能评估与对比.实验表明,EddyRCunet模型能获得更好的涡旋检测与分类性能.