该研究使用机载人工智能技术训练了16种不同模型，实现了高分辨率卫星图像的多类别分割。研究发现，轻量级的深度学习模型在海洋-陆地-云覆盖分割方面性能优于现有的U-Net及其变体，但推理时间较长。轨道内图像分割应该在L1b辐射计校准之后进行，将光谱通道减少到3会降低模型的参数数量和推理时间，但牺牲了分割性能。