来源：期刊VIP网 时间：
作者：王敏;李晟;庄志豪;周树道;王康;
单位：南京信息工程大学电子与信息工程学院;安徽建筑大学电子与信息工程学院;国防科技大学气象与海洋学院;
摘要：地基云的准确分类对于天气预报、航空航天等多个领域具有重要意义。近年来，深度学习在地基云分类领域取得了卓越的成果，但除地基云的视觉特征外，地基云的辅助特征，即地基云多模态信息，对于地基云分类也有重要作用。针对地基云多模态特征信息的挖掘和融合研究，提出了一种基于双流多模态多层融合网络(dual-flow multi-modal multi-layer fusion network, DMMFN)的地基云分类方法，首次将多模态信息分开传递进不同子网络，并在特征层进行异构特征融合，最终该模型在多模态地基云数据集上得到85.70%的高准确率。实验结果表明，所提出的DMMFN网络模型能够有效地将地基云多模态信息与视觉特征结合，提升地基云分类的准确率。
关键词：地基云分类;;卷积神经网络;;注意力机制;;多模态信息;;特征融合
基金资助：国家自然科学基金(41775165、41775039);; 安徽省高校杰出青年科研项目(2023AH020022);; 江苏省研究生科研与实践创新计划项目(KYCX23＿1364)
