典型文献
基于Swin-Unet的云分割算法的研究
文献摘要：
在遥感领域,云遮挡对于非气象类遥感卫星有着非常严重的干扰,其影响了遥感卫星对于地面信息的识别和处理的同时,还极大的占用了下行传输的带宽和卫星的储存空间.此外,通过云判别将这些干扰有效排除,可以提高地物识别的效果,对于其他遥感图像处理的下游任务也具有十分重要的意义.近些年来,将云作为目标区域利用深度学习模型自动识别和分割已经取得了不错的研究成果.然而,在实际云判别的应用中,由于地表环境等因素的干扰,现有的深度学习模型还存在对云区域识别精度低等问题.Swin-Unet模型是基于Transformer技术的图像分割方法,在众多图像分割任务中均取得了更好的性能.因此,本文使用了 Swin-Unet模型来对云图进行识别,并利用了 Kaggle的38-Cloud数据集对算法进行实验验证,实验表明,本文所采用的Swin-Unet模型可以从遥感图像中提取更多的语义信息,从而达到更好的识别效果(准确率:0.9830,Dice系数:0.9745).
文献关键词：
目标识别;Swin-Unet;云分割
中图分类号：
作者姓名：
张文康
作者机构：
北方工业大学信息学院,北京100144
文献出处：
引用格式：
[1]张文康-.基于Swin-Unet的云分割算法的研究)[J].仪器仪表用户,2022(04):5-9,48
A类：
B类：
Swin,Unet,云分割,分割算法,云遮,遮挡,遥感卫星,地物识别,遥感图像处理,目标区域,深度学习模型,自动识别,不错,区域识别,识别精度,Transformer,图像分割,分割方法,多图像,云图,Kaggle,Cloud,语义信息,Dice,目标识别
AB值：
0.382857
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。
