基于检索增强 Transformer 的深水区遥感水深反演

以稀疏参考水深构建局部记忆库，用空间检索、注意力残差和深水门控校正遥感水深估计，并在两个场景中评价。

• 技术与任务机器学习
• 应用方向信息与人工智能 · 工程与智能制造 · 能源与环境

项目亮点

• 检索增强检索的是什么
• 深水门控为何与初值相连
• 两场景结果如何解读

数据与任务

遥感影像可以帮助估计水深，但进入深水区后，颜色与深度的对应关系更难学习。这个项目利用附近已有参考点形成局部记忆，再让 Transformer 学习什么时候、怎样修正基础估计。

先说清楚，它到底在做什么

A1 与 A2 场景分别提供 3,730 和 3,143 个参考点。基础路线采用 RGB 距离反比局部加权回归，检索增强模型进一步联合 RGB 与空间信息，通过多头注意力提取邻近参考点的关系。

搞懂它，你能在面试里讲清楚什么

检索增强检索的是什么

记忆库保存参考点的光谱、空间位置与水深，查询位置从中选择邻近候选。训练时查询点不能检索自身标签，参考点还通过空间块区分记忆与调参用途。

深水门控为何与初值相连

局部回归先给出估计，初值达到 17 米时启用受比例控制的深水残差。模型把基础估计与可学习校正组合起来，消融实验用于观察空间检索和门控各自的作用。

两场景结果如何解读

五种子评价中，A1 深水 RMSE 从数据提供基线的 2.737 米降至 2.260 米，A2 从 3.658 米降至 2.386 米。全水深与深水指标分别报告，评价栅格与训练参考点的用途保持明确。

怎样阅读实验与配图

技术路线、数据隔离协议和结果对比图帮助解释参考点如何参与预测。结果图册进一步呈现密度散点、空间误差和检索比较，可用来说明模型在不同水深和不同场景中的变化。

面试与答辩可以怎样准备

为什么训练查询点不能检索自身水深？

空间邻近与 RGB 相似分别提供什么信息？

为什么全水深改善与深水改善要分开报告？

配套讲解材料围绕整体思路、关键步骤与结果解读展开，并提供面试问答与简历表达参考。准备时可以先按流程说明输入和输出，再选一个样例解释方法，最后用结果图回答具体问题。简历描述结合实际参与内容调整，配图可以放入 PPT 模板组织汇报。

配套资料

技术文档从任务背景、数据组织讲到模型与实验，再结合图表解释结果，包含面试问答和项目表达参考。下面展示正文选页，便于了解讲解内容与图文组织。

代码覆盖数据处理、核心方法和实验分析。下面是实际源码中的关键函数节选，可以结合文档中的流程与公式阅读，再沿输入、计算与输出理解具体实现。

适合谁

遥感、海洋测绘、地理信息与深度学习交叉方向。 项目资料可用于学习、选题交流与面试答辩准备；沿着数据、方法、实验和解释逐步掌握，形成能够独立讲清楚的项目经历。