面向 FY-4A 卫星图像的分布感知交互式注意力网络与大规模云识别基准
计算机视觉与模式识别
2024-01-09 v1
摘要
准确的云识别与预警对于飞行支持、天气预报和气候研究等多种应用至关重要。然而，近期的深度学习算法主要专注于检测卫星图像中的云区，而对实现准确云识别所需的特异性关注不足。这一局限性促使我们开发了新型的 FY-4A-Himawari-8 (FYH) 数据集，该数据集包含九种不同的云类别，并采用精确的域自适应方法，在投影、时间分辨率和空间分辨率方面对齐了 70,419 个图像 - 标签对，从而促进了监督深度学习网络的训练。鉴于云形成的复杂性和多样性，我们深入分析了云识别任务固有的挑战，考察了数据的复杂特征和分布。为有效应对这些挑战，我们设计了一种分布感知交互式注意力网络（DIAnet），通过高分辨率分支和平行的多分辨率跨分支保留像素级细节。我们还集成了一种分布感知损失（DAL）以缓解云类别间的不平衡。交互式注意力模块（IAM）结合空间和通道信息，进一步增强了特征提取的鲁棒性。在 FYH 数据集上的实证评估表明，我们的方法优于其他云识别网络，在平均交并比（mIoU）方面取得了卓越性能。DIAnet 的实现代码可在 https://github.com/icey-zhang/DIAnet 获取。
引用
@article{arxiv.2401.03182,
title = {Distribution-aware Interactive Attention Network and Large-scale Cloud Recognition Benchmark on FY-4A Satellite Image},
author = {Jiaqing Zhang and Jie Lei and Weiying Xie and Kai Jiang and Mingxiang Cao and Yunsong Li},
journal= {arXiv preprint arXiv:2401.03182},
year = {2024}
}