典型文献
基于Attention U-Net的陆地卫星影像云检测
文献摘要：
云检测是提高遥感影像利用率和应用范围的有效措施.然而,现有云检测算法大多存在以下两个问题:冰、雪等复杂下垫面与云不易区分;需要大量人工标记好的云样本对模型进行训练.为提高影像云识别精度,提出了一种基于Attention U-Net的陆地卫星影像云检测算法.首先,利用卷积操作在编码模块提取云的浅层特征;然后,利用反卷积、跳跃连接和注意力机制在解码模块进一步挖掘云特征;最后,利用少量公开的陆地卫星影像云样本数据进行训练,实现端到端的陆地卫星影像像素级云检测.实验结果表明,与传统的机器学习算法相比,所提算法的总体检测精度更高,薄云和云阴影的误检率和漏检率更低.
文献关键词：
陆地卫星影像;云检测;U-Net网络;注意力机制;端到端
中图分类号：
作者姓名：
刘飞;李欣
作者机构：
武汉大学遥感信息工程学院,湖北武汉430079
文献出处：
引用格式：
[1]刘飞;李欣-.基于Attention U-Net的陆地卫星影像云检测)[J].应用科学学报,2022(06):906-917
A类：
陆地卫星影像
B类：
Attention,Net,影像云,云检测,遥感影像,检测算法,下垫面,人工标记,记好,识别精度,卷积操作,在编,反卷积,跳跃连接,注意力机制,解码,端到端,像素级,机器学习算法,检测精度,薄云,云和,阴影,误检率,漏检率
AB值：
0.271854
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
