面向实时云分割的隔离与上下文聚合网络
计算机视觉与模式识别
2025-04-22 v1
摘要
从强度图像进行云分割是大气科学和计算机视觉中的关键任务，有助于天气预报和气候分析。地面天空/云分割从图像中提取云层，以进行后续特征分析。现有方法在分割精度和计算效率之间难以平衡，限制了在边缘设备上的实际部署，因此我们引入SCANet，这是一个新型轻量级云分割模型，具有隔离与上下文聚合模块（SCAM），该模块将粗糙的分割图 refined 为分别加权处理的天空和云特征。SCANet 在保持卓越性能的同时，大幅降低了计算复杂度。SCANet-large（429 万参数）在参数数量上比最先进的方法少 70.9%，但实现了相当相同的精度。而SCANet-lite（9 万参数）在 FP16 下达到 1390 帧/秒，超越了实时标准。此外，我们提出了一种高效的预训练策略，即使没有 ImageNet 预训练，也能提升性能。
引用
@article{arxiv.2504.14178,
title = {Segregation and Context Aggregation Network for Real-time Cloud Segmentation},
author = {Yijie Li and Hewei Wang and Jiayi Zhang and Jinjiang You and Jinfeng Xu and Puzhen Wu and Yunzhong Xiao and Soumyabrata Dev},
journal= {arXiv preprint arXiv:2504.14178},
year = {2025}
}
备注
15 pages