第60卷第2期/2023年1月/激光与光电子学进展0211003-1研究论文基于卷积神经网络融合编码与解码特征的降水强度识别林梦翔1，黄秀萍1，林志玮1，2，3，4*，洪思弟5，刘金福1，21福建农林大学计算机与信息学院，福建福州350002；2福建农林大学海峡自然保护区研究中心福建省高校生态与资源统计重点实验室，福建福州350002；3福建农林大学林学院，福建福州350002；4福建农林大学林学博士后流动站，福建福州350002；5莆田学院新工科产业学院，福建莆田351100摘要为高效地利用红外降雨图进行雨量强度分类，提出了一个融合编码与解码卷积特征的雨量强度识别模型。引入编码与解码卷积于深度卷积神经网络分类模型中，在减少局部信息丢失的同时提取深层次的雨纹信息特征。于编码、解码卷积模块中考虑多尺度感受野卷积，融合不同范围的局部特征，同时在解码时融合相同尺度的编码与解码卷积特征图，提高特征利用率，从而构建一种融合编码与解码卷积特征的雨量强度识别模型。所提模型的分类精度优于主流卷积神经网络框架，分类正确率最高达到了91.7%，且消融实验结果验证了编码与解码模块的有效性。关键词成像系统；降雨强度识别；卷积神经网络；编码特征；解码特征；特征融合中图分类号TP183；P409文献标志码ADOI：10.3788/LOP212668PrecipitationIntensityRecognitionBasedonConvolutionNeuralNetworkwithFusedEncodedandDecodedFeaturesLinMengxiang1,HuangXiuping1,LinZhiwei1,2,3,4*,HongSidi5,LiuJinfu1,21CollegeofComputerandInformationScience,FujianAgricultureandForestryUniversity,Fuzhou350002,Fujian,China;2KeyLaboratoryforEcologyandResourceStatisticsofFujianProvince,Cross-StraitNatureReserveResearchCenter,FujianAgricultureandForestryUniversity,Fuzhou350002,Fujian,China;3CollegeofForestry,FujianAgricultureandForestryUniversity,Fuzhou350002,Fujian,China;4ForestryPost-DoctoralStation,FujianAgricultureandForestryUniversity,Fuzhou350002,Fujian,China;5NewEngineeringIndustryCollege,PutianUniversity,Putian351100,Fujian,ChinaAbstractInordertoefficientlyuseinfraredprecipitationimagestodeterminetheprecipitationintensity,aprecipitationintensityrecognitionmodelwithfusedencodedanddecodedfeatureshasbeenproposed.Thecodinganddecodingconvolutionisintroducedintothedeepconvolutionneuralnetworkclassif...
