高光谱卫星数据中的轨道云分割与分类的深度学习
原文中文，约600字，阅读约需2分钟。发表于：。本文探讨了最新的卷积神经网络（CNNs），用于高光谱卫星上的云检测。评估了最新的 1D CNN（1D-Justo-LiuNet）和两个最近的 2D CNNs（nnU-net 和 2D-Justo-UNet-Simple）在云分割和分类方面的性能，包括轨道中部署的精度和计算效率。实验使用了 NASA 的 EO-1 Hyperion...
本文研究了卷积神经网络在高光谱卫星上的云检测中的应用。通过评估不同的CNN模型在云分割和分类方面的性能，结果显示1D-Justo-LiuNet在精度上表现最好，但推理时间较长。在光谱通道减少的情况下，2D-Justo-UNet-Simple提供了最佳的平衡。推荐在高精度应用中部署轻量级的1D-Justo-LiuNet，或在轨道上使用2D-Justo-UNet-Simple取得时间和精度的平衡。
