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
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
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。
🎯
关键要点
-
本研究训练了16种不同模型以实现高分辨率卫星图像的多类别分割。
-
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，准确率为0.93。
-
1D-Justo-LiuNet模型的参数数量为4,563个，但推理时间较长，达到15秒。
-
图像分割应在L1b辐射计校准后进行，而不是在原始数据上进行。
-
减少光谱通道到3可以降低参数数量和推理时间，但会牺牲分割性能。
➡️
