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
原文中文，约400字，阅读约需1分钟。发表于：。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。
