NAOC Open IR
基于深度学习的太阳活动区检测与跟踪方法研究
朱健1; 杨云飞1; 苏江涛2; 刘海燕1; 李小洁1; 梁波1; 冯松1
2020
Source Publication天文研究与技术
ISSN1672-7673
Volume17.0Issue:002Pages:191
Abstract太阳活动区是各类太阳活动的主要能量来源,剧烈的太阳活动直接影响人类的生存环境,因此,准确地检测与跟踪太阳活动区对监控和预报空间天气非常重要.基于深度学习框架的YOLOv3-spp和DeepSort,提出了一种太阳活动区检测和跟踪方法(Active Regions Detection and Tracking Method,ARDTM),该方法较好地解决了传统图像处理方法易将一个太阳活动区误检测为多个,或者多个太阳活动区误检测为一个的问题;及时捕获新产生的太阳活动区和终止跟踪消失的太阳活动区,有效提高了太阳活动区的跟踪准确率.实验结果表明,该方法可以较好地检测和跟踪不同望远镜、不同时间间隔序列图像中的太阳活动区.
Keyword太阳活动区 检测与跟踪 深度学习 YOLOv3-spp DeepSort
Language英语
Document Type期刊论文
Identifierhttp://ir.bao.ac.cn/handle/114a11/58740
Collection中国科学院国家天文台
Affiliation1.昆明理工大学
2.中国科学院国家天文台
Recommended Citation
GB/T 7714
朱健,杨云飞,苏江涛,等. 基于深度学习的太阳活动区检测与跟踪方法研究[J]. 天文研究与技术,2020,17.0(002):191.
APA 朱健.,杨云飞.,苏江涛.,刘海燕.,李小洁.,...&冯松.(2020).基于深度学习的太阳活动区检测与跟踪方法研究.天文研究与技术,17.0(002),191.
MLA 朱健,et al."基于深度学习的太阳活动区检测与跟踪方法研究".天文研究与技术 17.0.002(2020):191.
Files in This Item:
There are no files associated with this item.
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[朱健]'s Articles
[杨云飞]'s Articles
[苏江涛]'s Articles
Baidu academic
Similar articles in Baidu academic
[朱健]'s Articles
[杨云飞]'s Articles
[苏江涛]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[朱健]'s Articles
[杨云飞]'s Articles
[苏江涛]'s Articles
Terms of Use
No data!
Social Bookmark/Share
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.