自配置 nnU-Net 检测卫星图像中的云
计算机视觉与模式识别
2022-10-26 v1
摘要
云检测是卫星图像预处理的关键步骤，可在地面或星上执行以标记有用图像。在后一种情况下，它可通过剪除云区来帮助减少下传数据量，或通过云区数据驱动的采集重调度使卫星更具自主性。我们用 nnU-Net（一种能够在多种数据集上执行分割网络元学习的自重配置框架）来处理这一重要任务。我们在 Sentinel-2 和 Landsat-8 多光谱图像上进行的实验表明，nnU-Net 无需任何人工设计即可提供最先进的云分割性能。我们的方法在 On Cloud N: Cloud Cover Detection Challenge 中排名前 7% 最佳方案（共 847 支参赛队伍），在超过 10k 张未见过的 Sentinel-2 图像块上达到了 0.882 的 Jaccard 指数（冠军为 0.897，而以 ResNet-34 为主干作为编码器的基线 U-Net 为 0.817，经典 Sentinel-2 图像阈值法为 0.652）。
引用
@article{arxiv.2210.13659,
title = {Self-Configuring nnU-Nets Detect Clouds in Satellite Images},
author = {Bartosz Grabowski and Maciej Ziaja and Michal Kawulok and Nicolas Longépé and Bertrand Le Saux and Jakub Nalepa},
journal= {arXiv preprint arXiv:2210.13659},
year = {2022}
}