声明
第一章 绪 论
1.1 研究工作的背景与意义
1.2 国内外研究现状
1.2.1 强对流短临预报技术
1.2.2 图像语义分割
1.2.3 视频预测
1.3 主要内容和技术路线
1.3.1 主要内容
1.3.2 技术路线
1.4 论文组织安排
第二章 深度学习相关理论基础概述
2.1 图像分割
2.1.1 图像分割概述
2.1.2 经典图像分割方法
2.2.1 卷积神经网络概述
2.2.2 卷积神经网络的基本结构
2.3 生成对抗网络
2.3.1 生成对抗网络基本原理
2.4 本章小结
第三章 基于高分辨率卫星图像语义分割的强对流云识别
3.1 基于深度学习的图像语义分割基本原理
3.1.1 全卷积神经网络
3.1.2 U-net网络
3.2.1 研究地区概述
3.2.2 原始数据介绍
3.2.3 问题分析
3.2.4 模型搭建
3.2.5 数据处理
3.2.6 模型训练
3.3.1 结果衡量指标
3.3.2 结果分析
3.4 本章小结
第四章 基于长序列随机对抗视频预测的强对流云运动预测
4.1 随机对抗视频预测模型
4.1.1 变分自编码器
4.1.2 生成对抗网络
4.1.3 随机对抗视频预测
4.1.4 网络结构
4.2 强对流云运动预测模型
4.2.1 模型构建
4.2.2 数据预处理
4.2.3 模型训练
4.3.1 结果衡量指标
4.3.2 结果分析
4.4 本章小结
第五章 全文总结与展望
5.1 全文总结
5.2 后续工作展望
致谢
参考文献
电子科技大学;