張敏靖，白琮，2，*，張敬林，鄭建煒，2

（1.浙江工業(yè)大學 計算機科學與技術(shù)學院，杭州310023； 2.浙江省可視媒體智能處理技術(shù)研究重點實驗室，杭州310023；3.南京信息工程大學 大氣科學學院，南京210044）

全球75%經(jīng)濟損失源于災害天氣，每年約1萬多人因惡劣天氣而死亡［1-2］。災害天氣，包括臺風、強對流和沙暴，嚴重威脅人民生命財產(chǎn)安全，監(jiān)測災害天氣的形成發(fā)展過程是氣象災害預測預報的基礎。通過觀測衛(wèi)星云圖進行監(jiān)測是重要的手段之一，因為地球的大部分地區(qū)被云覆蓋，各種天氣現(xiàn)象總是和云有著密不可分的聯(lián)系。衛(wèi)星云圖是由氣象衛(wèi)星自頂而下觀測云層覆蓋和地球表面的圖像，可以用來識別不同的天氣狀態(tài)，評估其強度和未來發(fā)展趨勢等，為天氣預報和災害天氣預測提供全天候的依據(jù)。本文聚焦于衛(wèi)星云圖中的災害天氣分類問題，即在衛(wèi)星云圖數(shù)據(jù)中分類出帶有熱帶氣旋、溫帶氣旋等可能帶有災害天氣的云圖。但是在實際的衛(wèi)星云圖中，往往是非災害天氣類別的圖片占據(jù)了原始數(shù)據(jù)的大多數(shù)，而各個災害天氣的數(shù)量相對較少，數(shù)據(jù)呈現(xiàn)了不平衡的分布形態(tài)。這樣的數(shù)據(jù)分布使得分類器在進行訓練的時候，會比較關注占據(jù)數(shù)據(jù)大多數(shù)的非災害天氣樣本，故而雖然總體的分類精度高，但是如熱帶氣旋、溫帶氣旋等這些對于實際研究非常具有指導意義的類別，并沒有從分類器中得到很好的區(qū)分。因此需解決衛(wèi)星云圖災害天氣分類中類間不均衡的問題，才能較好的將各個災害天氣從非災害天氣中區(qū)分出來。

圖片數(shù)據(jù)的類間不平衡問題，近年來一直是一個研究的熱點［3］。圖片數(shù)據(jù)的類間不平衡是指在分類問題中不同類別的訓練樣例數(shù)目差別很大的情況。這一情況與實際生產(chǎn)生活中的數(shù)據(jù)分布情況相似，非常具有研究的意義和必要性。2012年Krizhevsky等［4］在ILSVRC-2012［5］比賽中獲得了冠軍，成功的將深度學習應用于圖片分類的問題上［3，6-7］，至此之后各類深度學習的框架模型開始涌現(xiàn)。但是研究者主要關注平衡數(shù)據(jù)分布的數(shù)據(jù)集，關于長尾分布數(shù)據(jù)的研究并未深入。尤其是在衛(wèi)星云圖的災害天氣分類問題的研究上，由于原始數(shù)據(jù)獲取和處理的成本較大，相關的分類研究還較少。災害天氣分類問題中類間不平衡問題較為突出，故而本文對不平衡的衛(wèi)星云圖災害天氣分類問題展開研究。

本文針對不平衡衛(wèi)星云圖災害天氣分類，聚焦數(shù)據(jù)和算法混合的思路，提出了一種結(jié)合生成對抗學習（GAN）和遷移學習（TL）的分類訓練模型框架，對云圖數(shù)據(jù)分別進行過采樣和欠采樣處理，并采用遷移學習進行災害天氣云圖的分類。通過在自建的LSCIDWS-S大尺度衛(wèi)星云圖數(shù)據(jù)集進行實驗，證明了所提框架的有效性。本文的主要貢獻如下：

1）提出了一個GAN+TL的訓練模型框架。該框架是針對不平衡衛(wèi)星云圖災害天氣所設計的分類框架，主要由數(shù)據(jù)平衡化處理模塊和圖片分類2個模塊組成。

2）在該框架中，GAN用于高質(zhì)量的圖片生成，代替?zhèn)鹘y(tǒng)的簡單復制的過采樣方法，同時結(jié)合了欠采樣，對原始不平衡的數(shù)據(jù)分布進行了均衡化的處理。在卷積神經(jīng)網(wǎng)絡（CNN）分類訓練過程中引入了遷移學習的方法，使得整體的分類性能在原有的基礎上得到了進一步的提升。

3）實驗結(jié)果表明，分類器整體的分類性能得到了一定的均衡。這對于實際研究有一定的借鑒意義，即更受到實際應用所關注但容易被分類器忽略的災害天氣樣本的正判率得到了一定的提升。

1 相關工作

1.1 生成對抗網(wǎng)絡

生成對抗網(wǎng)絡（Generative Adversarial Networks，GANs）是在2014年，由Goodfellow等［8］提出。GANs的基本思想是源于博弈論中的零和游戲。它的網(wǎng)絡結(jié)構(gòu)由一個生成器（Generator）和一個判別器（Discriminator）組成，生成器的作用是為了盡可能地去學習數(shù)據(jù)的真實分布情況從而生成數(shù)據(jù)，而判別器的作用是判斷輸入的數(shù)據(jù)是來源于真實的數(shù)據(jù)還是由生成器生成的，二者之間不斷的進行優(yōu)化從而達到相對平衡。根據(jù)生成對抗網(wǎng)絡有生成樣本的這一特點，DCGAN（Deep Convolutional GAN）［9］為首個將CNN與GAN相結(jié)合以生成相應的圖片樣本，但是生成的圖片質(zhì)量不高并且不穩(wěn)定。2020年，NVIDIA研究人員發(fā)布了StyleGAN2［10］，該網(wǎng)絡設計了具有非常規(guī)的生成器架構(gòu)，從而可以生成高質(zhì)量的圖片，并且訓練過程較為穩(wěn)定。本文所提方法中的GAN的設計就引用了該網(wǎng)絡結(jié)構(gòu)，從而可以生成相對質(zhì)量較高的過采樣樣本。

1.2 圖片分類中的類間不平衡問題

關于圖片數(shù)據(jù)類間不平衡的研究主要可以分為3層次：數(shù)據(jù)、算法和數(shù)據(jù)算法的兩相結(jié)合［3，11］。關于數(shù)據(jù)層面的研究主要是對原始不平衡的數(shù)據(jù)進行均衡化的處理，把不平衡的數(shù)據(jù)轉(zhuǎn)化為相對平衡的數(shù)據(jù)再加入模型中展開之后的訓練。Hensman和Masko［11］提出了提升樣本的解決思路，主要是對樣本中數(shù)量較少的類別，對其進行簡單的復制從而達到擴充樣本數(shù)量的效果，該方法雖然簡單但是性能提升有限。基于算法層面的改進，主要是對損失函數(shù)的重新設計以及學習方式的改進。Wang［12］等提出了MSFE（Mean Squared False Error Loss）函數(shù)，該損失函數(shù)可以很好的平衡大樣本和小樣本之間的關系，從而也可以達到較好的分類性能。數(shù)據(jù)與算法的結(jié)合則是一種數(shù)據(jù)和算法混合的方法，如He［13］等提出的LMLE（Large Margin Local Embedding），該方法采用了5倍抽樣法和THL（Tripleheader Hinge Loss）這一損失函數(shù)。本文所提框架是結(jié)合了數(shù)據(jù)和算法混合的方法，在數(shù)據(jù)層面上進行了包括對原始數(shù)據(jù)欠采樣和引入了StyleGAN過采樣的數(shù)據(jù)均衡化處理，而在算法層面則引入了遷移學習的思想。

1.3 遷移學習

遷移學習是把源域的知識遷移到目標域的學習方法，可使得目標域能夠取得更好的學習效果。在深度學習中，神經(jīng)網(wǎng)絡從一個任務中學習到的知識可以應用到另一個相關的獨立任務當中。在類間不平衡問題的處理上，遷移學習可以對相對平衡的數(shù)據(jù)集中訓練出的模型進行遷移學習，該模型較好的學習到少數(shù)樣本的類別特征，因而取得了不錯的效果，如Lee等［14］提出了二階段的訓練方法；Kang等［15］提出了CRT（Classifier Retraining）方法，該方法是使用類平衡采樣的數(shù)據(jù)對分類器進行重新訓練，故而本文中的分類模塊也會引入遷移學習這一思想。結(jié)合衛(wèi)星云圖災害數(shù)據(jù)的實際情況，本文中所采用的遷移學習的思路是將原始數(shù)據(jù)集訓練處的結(jié)果遷移到均衡化處理后的數(shù)據(jù)，該過程主要是為了在提升各個少樣本的天氣類別分類精度的基礎上，盡可能的保留原始數(shù)據(jù)中非災害天氣這一類別的精度。

2 本文所提方法

本文提出了一個基于GAN+TL的衛(wèi)星云圖災害天氣分類的框架，如圖1所示。該框架主要分為2部分，一個是數(shù)據(jù)均衡化處理模塊，另外一個是圖片分類模塊。在數(shù)據(jù)平衡化處理模塊中首先是對原始不均衡的數(shù)據(jù)分布進行處理，處理之后得到一個相對較為均衡的數(shù)據(jù)分布情況。數(shù)據(jù)處理的過程采用不同的手段，對多數(shù)據(jù)樣本的類別進行欠采樣，對少樣本的數(shù)據(jù)進行過采樣。具體來講，過采樣的方法是采用生成對抗網(wǎng)絡，對數(shù)據(jù)樣本進行擴充。而欠采樣是將樣本根據(jù)設定的閾值進行縮減。在圖片分類模塊，首先在原始數(shù)據(jù)分布的數(shù)據(jù)集進行訓練，之后將訓練出來的模型遷移學習到類別較為均衡分布的數(shù)據(jù)集上要進行訓練的模型上。

圖1 處理氣象衛(wèi)星中類間不平衡的模型框架圖Fig.1 Model framework for handling imbalance between classes in meteorological satellites

2.1 數(shù)據(jù)均衡化處理模塊

數(shù)據(jù)均衡化處理過程的具體細節(jié)如圖2所示，圖2（b）為理想數(shù)據(jù)分布，是現(xiàn)如今深度學習分類中所研究的大多數(shù)數(shù)據(jù)分布的情況，各個類別的數(shù)據(jù)量基本相近，而且也取得相對較好的分類性能。本文數(shù)據(jù)處理模塊的主要目的是將原始數(shù)據(jù)集的分布趨向理想數(shù)據(jù)分布的方向進行改進，這樣可以把數(shù)據(jù)不均衡的問題轉(zhuǎn)化為數(shù)據(jù)均衡化處理的問題。數(shù)據(jù)均衡化的過程分為基于閾值N的欠采樣和基于GAN的過采樣，具體細節(jié)如下：

步驟1 基于閾值欠采樣。在均衡化處理的過程中，首先根據(jù)各個類別之間的數(shù)量關系，設置一個較為合理的閾值N，然后根據(jù)這個閾值，對樣本數(shù)據(jù)量大于這個閾值的類別進行數(shù)據(jù)隨機丟棄的處理。本文采用的是去掉樣本數(shù)量最多類別的數(shù)量和樣本數(shù)量最少類別的數(shù)量，然后取剩下類別的樣本數(shù)量計算平均數(shù)的方法確定閾值。具體實現(xiàn)如式（1）所示，Xtotal為數(shù)據(jù)集中包含的總數(shù)量；Xmax和Xmin分別為類別數(shù)量最大和類別數(shù)量最小的數(shù)量，n為數(shù)據(jù)集中的類別數(shù)量。確定好閾值之后，對于樣本數(shù)量大于該閾值的類別，進行隨機欠采樣，使得類別的數(shù)量達到閾值為止，此時的數(shù)據(jù)分布如圖2（c）所示。

步驟2 基于GAN的過采樣。在完成數(shù)據(jù)欠采樣的操作之后，對相應的樣本數(shù)量少的類別進行過采樣。本文提出以StyleGAN2為基礎網(wǎng)絡基于GAN的過采樣方法。即首先把StyleGAN2在進行過采樣的類別數(shù)據(jù)上進行訓練，之后用訓練好的生成器生成相應類別的數(shù)據(jù)并加入到已經(jīng)完成欠采樣操作的數(shù)據(jù)集中，此時的數(shù)據(jù)分布如圖2（d）所示。圖3為GAN設計的核心思想流程，G（z）fake為隨機化的初始噪音，G為生成器，用來生成圖片；D為判別器，用于判別生成圖片的真假；Datareal為本框架結(jié)構(gòu)中要進行數(shù)據(jù)增強的部分；real和fake表示經(jīng)過判別器判斷生成的數(shù)據(jù)為真還是假。

圖2 不同方法對應數(shù)據(jù)分布情況的百分占比示意圖Fig.2 Schematic diagram of data percentage proportion of data distribution corresponding to different methods

圖3 GAN的核心思想Fig.3 Core idea of GAN

StyleGAN2也是在該思想流程上的改進，可以生成更加高質(zhì)量的圖片。因為本文中所用的LSCIDWS-S數(shù)據(jù)集，原本就是高質(zhì)量的衛(wèi)星云圖，故而本文選擇了StyleGAN2作為GAN數(shù)據(jù)平衡化處理模塊中的基礎網(wǎng)絡。StyleGAN2主要在消除圖片偽像上進行了進一步的改進，圖片的偽像就是生成圖片中圖像上呈現(xiàn)出的類似于水滴的特征，該算法將改進的方向定位到了AdaiN的運算中，該算法的特點可分別歸一化到每個特征圖的均值和方差。具體的修改細節(jié)如下：首先對每個輸入特征圖的尺度根據(jù)調(diào)制卷積操作進行相應的調(diào)整，如式（2）所示，w和w′分別為原始權(quán)重和調(diào)制權(quán)重；si為與第i個輸入特征圖對應的比例；j和k分別為特征圖和卷積的空間下標。式（3）為完成相應調(diào)制卷積操作之后的輸出權(quán)重（調(diào)制權(quán)重）的標準差。式（4）表示式（2）中σj固化到卷積權(quán)重中去，ε為很小的數(shù)值，是為了確保被除數(shù)不為0。

3.2 圖片分類模塊

在完成數(shù)據(jù)均衡化處理之后，進入分類訓練的模塊，流程如圖4所示。先根據(jù)原始不均衡的數(shù)據(jù)集訓練出一個模型，再將不均衡分布數(shù)據(jù)訓練出來的模型進行遷移學習，即把上述訓練得到的模型權(quán)重初始化到較為均衡分布的數(shù)據(jù)集的分類模型上。采取這樣二階段訓練的目的，主要是為了解決，均衡化后的數(shù)據(jù)分布所訓練出的模型會丟失較多關于原樣本數(shù)量較多類別特征信息的問題。故而能在犧牲樣本數(shù)量較多類別的分類精度的前提下，提升其他各個類別的分類性能。同時二階段訓練的處理方法，也使得原始不均衡的數(shù)據(jù)分布和后處理的較為均衡的數(shù)據(jù)分布之間建立相應的關聯(lián)。2個模塊之間的相互關聯(lián)，使得整個數(shù)據(jù)處理和之后的圖片分類過程形成一個閉環(huán)，也使得分類器的性能達到相應的穩(wěn)定和平衡。對應算法步驟如下所示：

算法1 圖片分類框架算法。

輸入：原始訓練集Xtrain，均衡化處理后的訓練集X′train，模型訓練的次數(shù)m。

輸出：對測試集Xtest的分類結(jié)果。

1.隨機初始化用于遷移學習的網(wǎng)絡參數(shù)Mt

2.Repeat

for i=1 to m do

根據(jù)網(wǎng)絡預測結(jié)果與真實的標簽進行損失計算

反向傳播更新網(wǎng)絡的參數(shù)Wt

3.獲得遷移學習的模型Mt

4.用模型Mt初始化分類模型Mc的參數(shù)

5.Repeat

for i=1 to m do

根據(jù)網(wǎng)絡預測結(jié)果與真實的標簽進行損失計算

反向傳播更新網(wǎng)絡的參數(shù)Wc

6.完成最終分類模型Mc的訓練

7.將待預測的樣本輸入Mc獲得最終分類結(jié)果

本文在圖片分類模塊中采用ResNet101作為訓練過程中的基礎模型。這主要是因為本文的數(shù)據(jù)集原始數(shù)量大，希望可以用深層次的網(wǎng)絡取得較好的性能，但大量研究表明，隨著網(wǎng)絡深度的增加，會出現(xiàn)梯度爆炸，導致無法收斂這一問題。而殘差思想的提出［13］可以使得網(wǎng)絡的性能不隨網(wǎng)絡深度的增加而退化，因此本文選擇ResNet101作為分類模塊中的基礎模型。

圖4 分類模塊訓練的流程圖Fig.4 Flowchart of classification module training

以上2個模塊的結(jié)合，構(gòu)成了災害天氣衛(wèi)星云圖的分類框架，并充分考慮了數(shù)據(jù)中的不平衡問題。

3 實驗結(jié)果及分析

3.1 數(shù)據(jù)集

因目前沒有公開可用的云圖數(shù)據(jù)庫，本論文實驗數(shù)據(jù)集采用自建的數(shù)據(jù)集，稱之為LSCIDMR-S（Large-scale Satellite Cloud Image Database for Meteorological Research System）。LSCIDMR-S是以葵花-8號氣象衛(wèi)星為數(shù)據(jù)來源建立的一個大尺度靜止氣象云圖的單標簽數(shù)據(jù)集。該數(shù)據(jù)集的數(shù)據(jù)采集時間跨度為1年，包含了溫帶氣旋、熱帶氣旋、鋒面、西風急流、降雪、高冰云、低水云、海洋、沙漠、植被和其他總共11個類別總計104 390張圖片，圖片的原始大小為1 000×1 000像素。在本文中，因主要聚焦于災害天氣的分類識別，故將高冰云、低水云、海洋、沙漠、植被和其他合并為非災害天氣類別，圖5為數(shù)據(jù)集中的部分云圖示例，表1為數(shù)據(jù)集中各個類別的分布情況。重新劃分后的數(shù)據(jù)不平衡比率（Imbalanced Ratio，IR）為137.25。IR為衡量數(shù)據(jù)集不均衡程度的一個指標，其具體計算如式（5）所示，是數(shù)據(jù)量最多的類別的數(shù)量和數(shù)據(jù)量最少的類別的數(shù)量比例，一般大于10認定為類間不平衡的數(shù)據(jù)集［3，7］。Ci為第i個類別對應的類別數(shù)量。

圖5 LSCIDMR-S數(shù)據(jù)集的部分示意圖Fig.5 Partial schematic of LSCIDMR-S dataset

表1 LSCIDMR-S處理之后的數(shù)據(jù)分布情況表Table 1 Data distribution of LSCIDMR-S after processing

3.2 評估方法

本文中的實驗評估方法采用分類中通常使用的總體精度（Overall Accuracy）和各個類別的分類精度（Category Accuracy）進行評估。總體精度是指預測正確的標簽數(shù)量和待預測的總標簽數(shù)量的比例，這一指標只能籠統(tǒng)的評價模型的整體性能。對于長尾數(shù)據(jù)集的分布，單一的總體精度還不足以充分的體現(xiàn)這一模型與實際問題的貼合程度。單一的總體精度的虛高并不能很好地表示模型的性能很好，很有可能是因為數(shù)據(jù)集中占據(jù)絕大多數(shù)類別的單個類別的性能好。比如本文中的非災害天氣類別這一類別，占總數(shù)據(jù)集的82.69%，如果總體精度達到了80%，也很有可能只是單一的非災害天氣類別這個類別的精度高而已。而在實際的長尾分布數(shù)據(jù)集當中，占數(shù)據(jù)量少的類別往往更是應該關注的對象。故而占樣本數(shù)量較少的溫帶氣旋、熱帶氣旋、西風急流、鋒面和降雪，它們單個類別的分類精度對于實際問題的研究更加有意義，故而本文還采用各個類別的分類精度。

總體精度和單個類別的精度能從數(shù)值上說明一個模型的整體性能。于此同時本文還采用了ROC曲線作為評估指標［9］，該曲線可視化了正確分類的陽性樣本與陰性樣本之間的關系，故而ROC曲線是衡量模型在不均衡數(shù)據(jù)集中性能的一個重要指標。ROC曲線通常用于二分類的研究，橫坐標為假陽性（特異度），縱坐標為真陽性（靈敏度）。本文為將其擴展到多分類問題上，首先對輸出進行二值化，然后分別進行如下操作：①對每個類別繪制了一個對應的ROC曲線；②Micro-average通過把多分類問題轉(zhuǎn)化為二元預測來繪制ROC曲線；③Macro-average用于多分類的評估方法是對每個標簽給予相同的權(quán)重，實現(xiàn)宏觀的平均，最后將同一個類別的數(shù)據(jù)匯總到1張ROC曲線上。ROC曲線下方與坐標軸圍成的面積被定義為AUC（Area Under Curve），表示預測的正例樣本排在負例樣本前面的概率，這個面積的數(shù)值通常介于0.5～1之間，數(shù)值越大，表明分類方法的性能越好。

3.3 參數(shù)設定

本文實驗均在一個配備了32 GB內(nèi)存和3.6-GHz Inter（R）Core i9-9900K CPU處理器及GeForce RTX 2080Ti顯卡的工作站上進行。

對于數(shù)據(jù)集的訓練集和測試集按照9∶1的比例進行劃分。對于數(shù)據(jù)集欠采樣的部分，按照數(shù)據(jù)均衡的方向調(diào)整，設置了閾值N=3 826，該閾值根據(jù)訓練集中去掉了類別中數(shù)量的最大值和最小值取均值。然后對數(shù)據(jù)量超過這個數(shù)值的類別的數(shù)據(jù)進行隨機丟棄直到數(shù)據(jù)數(shù)量達到3 826。對于數(shù)據(jù)過采樣部分，是基于數(shù)據(jù)欠采樣的基礎上對數(shù)據(jù)再進行進一步的處理，對于類別數(shù)量較少的鋒面和西風急流擴充k倍，默認為1，相應的數(shù)據(jù)數(shù)量分別為571和766。對于參數(shù)，按照0.5的步長設置進行了相應的參數(shù)實驗。

使用StyleGAN2生成的圖片大小為256×256像素。分類模型中的各個超參數(shù)分別設置為learning rate=0.001，momentum=0.9，batch＿size=64，圖片統(tǒng)一為256像素×256像素。每個模型都訓練20次，保留總精度最高的模型，進行指標計算。

3.4 實驗結(jié)果及分析

針對本文所提GAN+TL框架，設計對比實驗證明所提模型方法有效。分別為：采用未經(jīng)過任何處理的原始數(shù)據(jù)進行訓練與分類的Base方法；對原始數(shù)據(jù)按照對超過閾值的類別進行隨機欠采樣處理后的Base＿under方法；在Base＿under的基礎上對Base進行遷移學習的Base＿under＿t方法；Base＿under＿over是對原始數(shù)據(jù)集進行按閾值隨機欠采樣之后的基礎上，再對原始數(shù)據(jù)集中樣本數(shù)量較少的類別進行機械復制的過采樣方法；Base＿under＿over＿t是在Base＿under＿over方法的基礎上對Base進行遷移學習的結(jié)果；之后的Base＿under＿gan相比于Base＿under＿over是用生成對抗網(wǎng)絡來代替?zhèn)鹘y(tǒng)的復制對數(shù)據(jù)進行過采樣，從而使得數(shù)據(jù)分布達到一個較為均衡的狀態(tài)；最后的Base＿under＿gan＿t也是本文所提的GAN+TL框架，即在Base＿under＿gan的數(shù)據(jù)處理基礎上對Base訓練出的模型進行遷移學習。接下來的實驗分析中，也將主要從數(shù)據(jù)平衡化模塊和圖片分類模塊分別展開分析。

首先是數(shù)據(jù)均衡化，表2為不同方法所對應的數(shù)據(jù)分布情況和相應的數(shù)據(jù)不平衡系數(shù)?？芍?，原始數(shù)據(jù)集的數(shù)據(jù)不均衡系數(shù)達到137.25。而經(jīng)過本文所提數(shù)據(jù)均衡化處理之后，數(shù)據(jù)不平衡系數(shù)降到了3.35。圖2為不同方法對應的數(shù)據(jù)分布情況的百分比占比示意圖，圖2（a）為數(shù)據(jù)的原始分布示意圖，圖2（b）為大多數(shù)研究中數(shù)據(jù)理想的均衡分布圖，圖2（c）和圖2（d）分別對應了不同數(shù)據(jù)均衡化處理的過程。圖6為基于GAN的數(shù)據(jù)過采樣的部分結(jié)果示意圖，以西風急流為例，圖6（a）為原始數(shù)據(jù)集中西風急流的部分示意圖，圖6（b）為基于GAN生成的數(shù)據(jù)樣例，從圖片中可以觀測到StyleGAN2，可以較好地學習到圖像的輪廓、紋理、顏色等特征。雖然伴隨著一定的噪音，但是從表3的實驗結(jié)果中可以觀察到，StyleGAN2生成的圖片信息能夠較好地學習原圖像的特征。

表2 各方法對應的數(shù)據(jù)分布及數(shù)據(jù)不平衡系數(shù)Table 2 Data distribution and data imbalance degree corresponding to each method

圖6 基于GAN的數(shù)據(jù)過采樣生成的圖片F(xiàn)ig.6 Schematic diagram of oversampling data image generated by GAN

表3為分類實驗的總體精度和各個類別的分類精度。可知，本文所提的數(shù)據(jù)處理：欠采樣、基于StyleGAN2的過采樣方法和基于不平衡樣本的遷移學習（Base＿Under＿Over＿Gant）的方法對解決類間不平衡問題有效。由表3可知，雖然Base方法的整體精度和非災害天氣這一類別的分類性能達到了最優(yōu)，但是對于西風急流、熱帶氣旋、鋒面和溫帶氣旋這4個類別的數(shù)據(jù)，他們的分類精度還非常低。這4個類別的原始數(shù)據(jù)量較少，但是能準確地識別它們對于實際應用場景非常有意義。上述實驗結(jié)果進一步說明了長尾數(shù)據(jù)的分布對于CNN的特征提取有一定的影響，在分類的時候會更加關注數(shù)量多的類別，因而數(shù)量多的類別（非災害天氣）能取得較好的提取特征，進而忽略了其他數(shù)量較少類別的特征的學習，由此對數(shù)據(jù)量較大的類別（非災害天氣）進行處理就非常有必要。對于閾值大于N=3 826的類別進行了隨機丟棄的欠采樣處理，從表3中可以看出，Base＿under與最開始的Base相比，雖然損失了非災害天氣這一類別的精度，但是其他各個類別的精度都得到了一定的提升，與此同時，Base方法中對數(shù)量較多的非災害天氣這一類別的特征有較好的學習，故而把Base方法訓練的結(jié)果遷移學習到進行調(diào)整的Base＿under模型，得到了新的模型Base＿under＿t，發(fā)現(xiàn)部分類別的精度會得到一定的提升。故而提升少數(shù)類別的數(shù)量，可以幫助CNN均衡的提取各個類別的特征。將欠采樣和過采樣相結(jié)合的同時，再加上遷移學習，這給訓練一個更好的分類器提供了思路。用GAN對于少數(shù)樣本的數(shù)據(jù)進行過采樣，從表3中可以看出，Base＿under＿gan和Base＿under＿over 2個模型相比，Base＿under＿gan的總精度和絕大部分類別的分類精度基本高于Base＿under＿over。這說明用GAN生成圖像的過采樣方法比簡單的復制粘貼過采樣的方法能取得更好的分類效果。最后，本文所提出的Base＿over＿gan＿t模型基本在所有類別都取得了相對較高的精度。在降雪類別的數(shù)據(jù)上雖然沒有取得最高的分類精度，但是也取得了相對不錯的精度。究其原因是在對數(shù)據(jù)進行了欠采樣和過采樣處理之后的數(shù)據(jù)各個類別的分布比例雖然達到了一定的均衡，但是降雪（如圖2（d）所示）這一類別相較于其他類別的數(shù)量占比較大，故而分類器在該類別的特征提取上能夠取得較優(yōu)的性能。表3中數(shù)據(jù)部分加粗的是各個類別取得的最高精度。

圖7（a）～圖7（h）分別對應非災害天氣、西風急流、熱帶氣旋、降雪、鋒面、溫帶氣旋、Microaverage和Macro-average在各個不同模型下的ROC曲線圖，圖中的Model 1～7分別對應表2中的各個方法。表3中本文所提Base＿under＿gan＿t方法，相比于其他的方法，整體的性能達到了最佳，對應的ROC曲線的頂角靠近左上角，對應的AUC與其他方法相比達到了最高：非災害天氣（0.83）、西風急流（0.85）、熱帶氣旋（0.85）、降雪（0.94）、鋒面（0.73）和溫帶氣旋（0.83）。

之后對生成對抗網(wǎng)絡進行數(shù)據(jù)擴充的倍數(shù)k對各個類別分類精度的影響進行了進一步的探究，實驗結(jié)果如圖8所示。圖8（a）為基于GAN的數(shù)據(jù)過采樣之外不采用遷移學習進行模型訓練的分類性能情況；圖8（b）為同時采用基于GAN的數(shù)據(jù)過采樣和遷移學習進行模型訓練之后的分類性能情況。k=0.5、1、1.5、2、2.5、3、3.5、4、4.5、5、5.5，訓練數(shù)據(jù)集對應的IR分別為4.5、3.35、2.70、2.25、1.93、1.69、1.50、1.35、1.23、1.13、1.04，相應的各類別的數(shù)據(jù)分布情況如圖9所示。從圖8中可以看出，無論是否采用遷移學習，隨著值的增大，總精度基本穩(wěn)定在0.75。而其他各個數(shù)據(jù)類別的分類精度會呈現(xiàn)先升高，然后穩(wěn)定在一定數(shù)值之后再下降的趨勢，當值介于1～2之間的時候整體的分類器的性能都取得較為均衡的結(jié)果，稱之為最佳取值范圍。總體上當處于最佳取值范圍時，采用遷移學習之后的總精度和各個類別的分類精度都有一定的提升。而隨著k的增加，IR趨近于1的時候，對不均衡分布數(shù)據(jù)訓練出來的模型進行遷移學習的分類器的性能提升并沒有明顯效果。這主要是因為樣本增加的數(shù)量遠大于該類別原始數(shù)據(jù)的數(shù)量，通過GAN進行數(shù)據(jù)的過采樣會導致分類器在特征學習過程中受到生成數(shù)據(jù)中噪聲的影響，進而影響特征學習效果。

表3 各個模型的總精度和分類精度的統(tǒng)計Tabel 3 Statistics of total accuracy of each model and accur acy of each category（Accuracy）

圖7 各個模型中各個類別對應的ROC曲線Fig.7 ROC curve corresponding to each category in each model

圖8 參數(shù)k對分類性能的影響Fig.8 Influence of parameter k on classification performance

圖9 不同k對應的數(shù)據(jù)分布Fig.9 Data points corresponding to different k

4 結(jié) 論

1）本文提出了一個結(jié)合生成對抗網(wǎng)絡和遷移學習處理災害天氣氣象衛(wèi)星云圖中的長尾數(shù)據(jù)分類的框架。該框架分為數(shù)據(jù)均衡化處理模塊和數(shù)據(jù)分類2個模塊。數(shù)據(jù)均衡化處理模塊采用GAN對少樣本的數(shù)據(jù)類別進行過采樣，然后將過采樣和欠采樣相結(jié)合實現(xiàn)原始數(shù)據(jù)均衡化處理。

2）通過上述過程，GAN可根據(jù)數(shù)據(jù)的分布情況生成新的過采樣數(shù)據(jù)，進而能夠給CNN中的特征提取提供更加優(yōu)質(zhì)的圖片信息；在圖片分類模塊中，采用對原始不均衡數(shù)據(jù)集訓練得到的模型進行遷移學習，用所得的模型對圖片進行分類的方法。

3）在自建的大規(guī)模衛(wèi)星云圖數(shù)據(jù)上的多方面實驗證明，所提框架中的基于GAN的數(shù)據(jù)過采樣和基于遷移學習的模型訓練方法可以較好地解決衛(wèi)星云圖中的數(shù)據(jù)不平衡問題。所提框架在傳遞數(shù)量較多的數(shù)據(jù)類別特征信息的同時又可對數(shù)量較少的數(shù)據(jù)類別提取較好的特征，故而在提升少量樣本類別分類精度的同時，也盡可能地保證大量樣本的分類精度。為之后解決類間不平橫的長尾數(shù)據(jù)分布提供了一個可以借鑒的解決思路。與此同時，雖然其他各個類別分類的精度都得到了可觀的提升，但是數(shù)據(jù)分類的總體精度和非災害天氣的分類精度有了一定的下降，其中非災害天氣精度下降可能是因為隨機欠采樣不能充分保留原始數(shù)據(jù)的多樣性（原始災害天氣中并沒有進行更加細致的類別劃分，從而不能有計劃的從各個非災害天氣類別中進行隨機欠采樣）。這也是之后研究中所需要進一步改進和研究的方向：即在保證各個少量樣本類別分類精度得到提升的同時，分類的總體精度也要保證一定的提升。