IceBench：基于深度学习的海冰类型分类基准

海冰在全球气候系统和海洋运输中发挥着至关重要的作用，因此及时准确的分类至为重要。然而，传统的手动方法耗时、昂贵且存在固有的偏差。通过自动化海冰类型分类来解决这些挑战，能够实现更快、更一致、更可扩展的分析。虽然已探索了传统方法和深度学习方法，但深度学习模型为提高海冰分类的效率和一致性提供了有前景的方向。然而，缺乏标准化的基准和比较研究，阻碍了对最佳模型的明确共识。为弥合这一差距，我们提出了 \textit{IceBench}——海冰类型分类的全面基准框架。我们的主要贡献有三点：首先，我们建立了IceBench基准框架，该框架以现有的AI4Arctic Sea Ice Challenge数据集作为标准化数据集，包含全面的评估指标，并包括来自整个海冰类型分类方法范畴的代表性模型，这些方法分为两类，即基于像素的分类方法和基于块的分类方法。IceBench是开源的，允许便捷地集成和评估其他海冰类型分类方法；因此，促进了新方法的比较评估，提高了该领域的可重复性。其次，我们对代表性模型进行深入的比较研究，以评估其优势和局限性，为实践者和研究者提供了见解。最后，我们利用IceBench进行系统实验，解决了关于模型在不同季节（时间）和位置（空间）之间的可迁移性、数据下采样以及预处理策略等关键研究问题。