BriefGPT - AI 论文速递 -

CLiSA:一种使用正交交叉注意力的卫星云图层分割的层次混合 Transformer 模型

通过引入混合变压器架构的深度学习模型,并验证其利普希茨稳定性理论和经验,本文提出了一种名为 CLiSA(Cloud segmentation via Lipschitz Stable Attention network)的有效云层遮罩生成方法,实验证明该方法在多个卫星图像数据集中表现出优越性能,并从多光谱(MX)图像中提取云层的准确性更好,同时展示了对不同体系结构和目标函数的不同割离研究。

本研究通过训练16种不同模型实现高分辨率卫星图像的多类别分割,其中1D-Justo-LiuNet模型在海洋-陆地-云覆盖分割方面性能优于U-Net模型,但推理时间较长。研究发现图像分割应在L1b辐射计校准后进行,减少光谱通道可降低参数数量和推理时间,但会牺牲分割性能。

1D-Justo-LiuNet模型 L1b辐射计校准 多类别分割 推理时间 高分辨率卫星图像

相关推荐 去reddit讨论

热榜 Top10

...
Dify.AI
...
ShowMeBug
...
白鲸技术栈
...
观测云
...
LigaAI
...
eolink
...
天勤数据

推荐或自荐