海洋表面存在着多种海洋与大气现象，如何自动识别检测这些现象对于理解海洋大气过程、开发海洋资源、开展海洋活动等都具有重要的价值。合成孔径雷达（Synthetic Aperture Radar，SAR）是海洋遥感的重要手段之一，可以全天时、全天候对地观测，为海洋研究提供了高分辨率的数据支撑。传统SAR图像中海洋与大气现象检测方法主要依赖特征选取和阈值设定，由于在特征选择的过程中很难选取最优特征，因此该类方法存在一定的局限性。深度学习模型拥有强大的特征学习能力，能从大量的遥感影像中挖掘数据特征，为海洋与大气现象自动识别检测提供了新的方法。基于此，本研究以哨兵一号、海丝一号等多源 SAR 卫星影像为数据源，运用深度学习等AI算法开展典型海洋与大气现象的检测识别研究，旨在突破传统方法瓶颈，提升现象识别分割的准确性与时效性。

招募要求

拟招募人数：5人，物理海洋与气象学、计算机、人工智能等相关学科。

任务要求

1.AI数据集构建，拟招募3人。

2.SAR图像检测识别研究，拟招募2人。

指导老师：耿旭朴老师

联系方式：电子邮箱，gengxp@xmu.edu.cn