三等獎：default7608316

利用機器學(xué)習(xí)進行圖像解析

以resnet-101的成果為基礎(chǔ)，基于Dilated Deformable Renset架構(gòu)，充分利用4217張彩云圖片數(shù)據(jù)進行機器學(xué)習(xí)訓(xùn)練，根據(jù)五折交叉驗證法獲得多個彩云模型，實現(xiàn)對彩云形狀的分類。

二等獎：樓上的我們來了

利用機器學(xué)習(xí)解析5類云狀

通過senet在局部感受野上將空間（spatial）信息和特征維度（channel-wise）的信息進行聚合最后獲取全局信息，借助Focal Loss函數(shù)降低大量簡單負樣本在訓(xùn)練中所占的權(quán)重，利用模型蒸餾技術(shù)將復(fù)雜模型轉(zhuǎn)化為小模型從而提高訓(xùn)練學(xué)習(xí)能力，結(jié)合隨機加權(quán)平均法，實現(xiàn)五類云彩的分類預(yù)測。

一等獎：Ucas-Yanqi lake

科技版“看云識天氣”

天空的薄云，往往是天氣晴朗的象征；而那些低而厚密的云層，常常是陰雨風(fēng)雪的預(yù)兆。小學(xué)有一篇課文叫做《看云識天氣》，因此云彩的識別對未來天氣的預(yù)測有著深刻的意義。計算機視覺與深度學(xué)習(xí)技術(shù)的發(fā)展，給云彩的識別提供了更好的思路與算法，通過模型建立，能很好地利用云的形態(tài)照片來推測未來天氣的發(fā)展。

三等獎：HI-18！

新時代“天眼” 找到自然破壞者

由于非法采礦、亂砍亂伐等破壞性開采自然資源的行為往往發(fā)生在偏僻的地方，有關(guān)部門在技術(shù)與資金的限制下不能進行很好的監(jiān)管，致使其行為日益猖獗，自然環(huán)境各要素內(nèi)在的配置機制發(fā)生失調(diào)，環(huán)境質(zhì)量迅速惡化。面對此類現(xiàn)象，該團隊利用深度學(xué)習(xí)算法，通過分析衛(wèi)星圖像中蘊含的氣候和土地信息，得到對應(yīng)地區(qū)的土地使用情況，高效得尋找到疑似非法利用自然資源的地區(qū)，從而達到協(xié)助有關(guān)部門對土地監(jiān)管的作用。

二等獎：data時代

利用氣象數(shù)據(jù)預(yù)測森林火災(zāi)規(guī)模的數(shù)據(jù)挖掘方法

該組選手利用氣象數(shù)據(jù)作數(shù)據(jù)挖掘的方法來預(yù)測森林火災(zāi)規(guī)模，對預(yù)測結(jié)果有益，數(shù)據(jù)收集成本非常低。

火災(zāi)規(guī)模預(yù)測系統(tǒng)使得從預(yù)測到預(yù)防再到消防有比較完整的系統(tǒng)和措施，通過預(yù)測系統(tǒng)，輸入相關(guān)參數(shù)就可以預(yù)測出火災(zāi)風(fēng)險較高的區(qū)域以及可能燃燒的面積，然后進行自動化的相關(guān)干預(yù)以及相對比較風(fēng)險較高的區(qū)域會發(fā)出警告，提示相關(guān)部門進行預(yù)防，對于已經(jīng)發(fā)生火災(zāi)的場景，通過系統(tǒng)根據(jù)當(dāng)時的氣象數(shù)據(jù)可以預(yù)測出火災(zāi)的影響范圍以及時間，以便于進行消防。

一等獎：交叉熵

基于氣象數(shù)據(jù)的急診就診人數(shù)GRU深度學(xué)習(xí)預(yù)測與分級預(yù)警應(yīng)用

研究表明，很多疾病的發(fā)病、對應(yīng)科室的來診人數(shù)都與氣象因素有著明顯關(guān)聯(lián)。例如，急性腦血管疾病發(fā)病人數(shù)存在明顯的季節(jié)性變化和日變化特征，因此本組選手通過提取解放軍總醫(yī)院急救數(shù)據(jù)庫2015年5月1日至2018年3月19日共486137人次預(yù)檢分診患者基本資料，再基于天氣數(shù)據(jù)，探討天氣因素與急救醫(yī)療機構(gòu)救治人數(shù)的相關(guān)性，最終實現(xiàn)通過氣象數(shù)據(jù)預(yù)測特定科室門診人數(shù)。