结合可变形卷积与金字塔池化的卫星云图序列预测方法

本发明公开了一种结合可变形卷积与金字塔池化的卫星云图序列预测方法，涉及深度学习领域。具体步骤：(1)、预处理卫星云图序列数据并划分训练集和测试集；(2)、搭建基本的编码器‑翻译器‑解码器结构的卫星云图序列预测模型；(3)、联合运动感知损失函数和L2损失函数来监督模型进行训练；(4)、预测卫星云图序列图像。本发明在在编码器和解码器中使用了一种基于动态稀疏的可变形卷子算子来替代了传统的卷积操作，能够使网络根据云图的空间结构自适应地选择合适的参数，并且去除了可变形卷积空间聚合中的softmax归一化，并优化内存访问用以加快运行速率；并且在翻译器中使用金字塔池化结构，不仅能够简化计算过程，还能捕捉云图序列中不同尺度的时空特征；同时将运动感知损失函数与传统的L2损失函数相结合来监督模型训练，可以进一步获取卫星云图序列相邻帧之间的运动信息。本发明不仅适用于所有的卫星云图序列图像，也可应用于其他一些复杂场景下的序列图像预测。