深度学习最近在语义分割问题上的应用取得了很好的进展。本文将语义分割领域的最新研究成果—金字塔场景解析网络（PSPNet）和逐点空间注意力网络（PSANet）,应用到海洋涡旋识别问题上,并且在南海区域涡旋数据集上评估了各个网络的性能表现。在前人的工作中,拉格朗日分析法被用来演示大尺度环流,同时拉格朗日拟序结构可以较好的演示中尺度涡两维结构的发展过程。然而,很少研究关注怎么利用拉格朗日分析法针对中尺度涡三维流场结构进行演示。与以往利用欧拉方法研究中尺度涡三维流场结构的工作不同,我们利用拉格朗日分析法,从另一个视角来研究涡旋结构。作为中国南海的一个重要现象,靠近越南中部的海域中的偶极子（反气旋涡/气旋涡）的相关研究有很多,但这些研究主要关注的是海面过程。通过拉格朗日分析,我们很好的演示了偶极子的三维流场结构。更重要的是,我们发现这两个涡旋之间不存在水团交换,因为强边界急流将它们彼此分开。以上结论均得到了计算误差估计的可信度支持。尽管在强辐散流和强垂直扩散流中,计算误差逐渐增大,但是在一定的时间步长和积分周期内,计算误差始终保持在一个较小的值。