Frequency-Compensated Network for Daily Arctic Sea Ice Concentration Prediction

要約

北極圏の海氷濃度（原文）を正確に予測することは、世界の生態系の健康と航海の安全性にとって重要です。
ただし、現在の方法には、2つの課題に直面しています。1）これらのメソッドは、周波数領域の長期的な特徴依存関係をめったに探求しません。
2）高周波の詳細を維持することはほとんどできず、海氷の周辺地域の変化は正確に捕捉できません。
この目的のために、日常的に北極SIC予測のための周波数補償ネットワーク（FCNET）を提示します。
特に、周波数特徴の抽出や畳み込み特徴抽出のための分岐を含むデュアルブランチネットワークを設計します。
周波数機能抽出のために、トレーニング可能な層をフーリエベースのフィルターと統合する適応周波数フィルターブロックを設計します。
周波数機能を追加することにより、FCNETはエッジと詳細の洗練された予測を実現できます。
畳み込み特徴抽出のために、高周波および低周波情報情報を分離するための高周波強化ブロックを提案します。
さらに、高頻度の特徴はチャネルごとの注意によって強化され、時間周波数の特徴抽出には時間的な注意ユニットが使用され、長距離の海氷の変化をキャプチャします。
広範な実験は、衛星由来の毎日のSICデータセットで行われ、結果は提案されたFCNETの有効性を検証します。
私たちのコードとデータは、https：//github.com/oucailab/fcnetで公開されます。

要約(オリジナル)

Accurately forecasting sea ice concentration (SIC) in the Arctic is critical to global ecosystem health and navigation safety. However, current methods still is confronted with two challenges: 1) these methods rarely explore the long-term feature dependencies in the frequency domain. 2) they can hardly preserve the high-frequency details, and the changes in the marginal area of the sea ice cannot be accurately captured. To this end, we present a Frequency-Compensated Network (FCNet) for Arctic SIC prediction on a daily basis. In particular, we design a dual-branch network, including branches for frequency feature extraction and convolutional feature extraction. For frequency feature extraction, we design an adaptive frequency filter block, which integrates trainable layers with Fourier-based filters. By adding frequency features, the FCNet can achieve refined prediction of edges and details. For convolutional feature extraction, we propose a high-frequency enhancement block to separate high and low-frequency information. Moreover, high-frequency features are enhanced via channel-wise attention, and temporal attention unit is employed for low-frequency feature extraction to capture long-range sea ice changes. Extensive experiments are conducted on a satellite-derived daily SIC dataset, and the results verify the effectiveness of the proposed FCNet. Our codes and data will be made public available at: https://github.com/oucailab/FCNet .

arxiv情報

提供元, 利用サービス

arxiv.jp, Google