BriefGPT - AI 论文速递
·
集成大气校正的高分辨率卫星影像土地利用和土地覆盖分割模型
💡
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，并介绍了海洋-陆地-云覆盖分割应用场景。研究发现1D-Justo-LiuNet模型在性能和参数数量方面优于现有的U-Net模型，但推理时间较长。同时，研究还指出图像分割应在辐射计校准后进行，减少光谱通道会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，实现高分辨率卫星图像的多类别分割。
- 研究提供了模型代码并进行了综合评估，介绍了海洋-陆地-云覆盖分割应用场景。
- 1D-Justo-LiuNet模型在性能和参数数量上优于现有的U-Net模型，准确率为0.93，参数数量为4,563个。
- 1D模型的推理时间较长，达到15秒，表现不理想。
- 图像分割应在L1b辐射计校准后进行，减少光谱通道会降低参数数量和推理时间，但会牺牲分割性能。
➡️
