CD-CTFM：一种融合多尺度特征的轻量型 CNN-Transformer 遥感云检测网络
计算机视觉与模式识别
2025-02-06 v1 机器学习
图像与视频处理
摘要
遥感图像中的云不可避免地影响信息提取，阻碍后续的卫星图像分析。因此，云检测是必要的预处理步骤。然而，现有方法计算量与参数量庞大。在本快报中，提出一种轻量型 CNN-Transformer 网络 CD-CTFM 以解决该问题。CD-CTFM 基于编码器-解码器架构并融合了注意力机制。在编码器部分，我们采用结合 CNN 与 Transformer 的轻量型网络作为骨干，有利于同时提取局部与全局特征。此外，设计了一个轻量型特征金字塔模块以融合具有上下文信息的多尺度特征。在解码器部分，我们将轻量型通道-空间注意力模块集成到编码器与解码器之间的每个跳跃连接中，在提取低级特征的同时抑制无关信息且不引入过多参数。最后，所提模型在两个云数据集 38-Cloud 和 MODIS 上进行了评估。结果表明 CD-CTFM 取得了与最先进 (SOTA) 方法相当的精度，同时在效率方面优于最先进方法。
引用
@article{arxiv.2306.07186,
title = {CD-CTFM: A Lightweight CNN-Transformer Network for Remote Sensing Cloud Detection Fusing Multiscale Features},
author = {Wenxuan Ge and Xubing Yang and Li Zhang},
journal= {arXiv preprint arXiv:2306.07186},
year = {2025}
}
备注
IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2024