基于哈希视觉变压器的全天空图像中的极光检索

科学领域:

• 空间物理 空间物理
• 大气科学 大气科学
• 计算机视觉 计算机视觉

背景情况:

• 极光是地球上层大气中的高能粒子碰撞造成的.
• 了解极光形态和时间对于研究磁层过程至关重要.
• 目前的深度学习方法在极光图像中有效地融合本地和全球特征方面扎.

研究的目的:

• 为极光图像检索引入一个改进的深度学习模型.
• 解决现有算法在特征表示中的局限性.
• 用全天空图像来增强对极光现象的分析.

主要方法:

• 基于视觉变压器架构的哈希变压器模型的开发.
• 该模型的应用是从全天空图像中获取极光信息.
• 使用现实世界的极光数据集进行实验验证.

主要成果:

• 拟议的Hash-Transformer模型显著提高了极光图像检索性能.
• 实现了当地和全球特征的有效融合.
• 提高了识别和分析极光事件的准确性.

结论:

• 哈希转换器模型为极光图像分析提供了一种新且有效的方法.
• 这一进步有助于更深入地了解极光现象和磁层动态.
• 这项研究为空间物理学和相关计算领域的研究开辟了新的途径.