基于多尺度多模态学习的光球亮点曲线轨迹段检测方法研究

来源：计算机工程与科学杂志2023年第5期北京时间：

作者：方雪杉, 杨云飞, 冯松

单位：1.昆明理工大学信息工程与自动化学院,云南 昆明 650500;2.云南省计算机技术应用重点实验室,云南 昆明 650500

摘要：太阳光球亮点近似旋转的曲线运动对研究太阳内部的能量如何传输到日冕层具有重要意义。现有的算法仅能检测光球亮点的全局型曲线运动，因此提出了一种多尺度多模态的深度学习方法来检测光球亮点的全局型和局部型曲线运动。首先，基于双向长短期记忆网络构建了一种多尺度网络模型,用来提取光球亮点的运动轨迹段的多尺度时序特征；然后，采用EfficientNet-B0提取运动轨迹段的空间特征,通过将时序特征和空间特征融合成多模态特征来检测光球亮点各种类型的曲线轨迹段。实验结果表明，所提方法的准确率达到了85.08%，相较于单尺度方法的提升了6.12%,相较于多尺度单模态方法的提升了3.1%。所提方法亦可应用于其他领域的运动类型检测任务中。

关键词：曲线运动,深度学习,多尺度,多模态,

基金资助：国家自然科学基金(11763004,11803085,U1931107);云南省重点研发计划(2018IA054)