UCloudNet：具有深度监督的残差U-Net用于云图像分割
计算机视觉与模式识别
2025-01-14 v1 图像与视频处理
摘要
气象学的最新进展涉及使用地面天空相机进行云观测。分析这些相机拍摄的图像有助于计算云覆盖率和理解大气现象。传统上，云图像分割依赖于传统的计算机视觉技术。然而，随着深度学习的出现，卷积神经网络（CNN）越来越多地应用于此目的。尽管CNN有效，但它们通常需要许多epoch才能收敛，这对天空相机系统中的实时处理提出了挑战。在本文中，我们介绍了一种具有深度监督的残差U-Net用于云分割，其准确率优于先前方法，且训练消耗更少。通过在UCloudNet的编码器中使用残差连接，特征提取能力得到进一步提升。
引用
@article{arxiv.2501.06440,
title = {UCloudNet: A Residual U-Net with Deep Supervision for Cloud Image Segmentation},
author = {Yijie Li and Hewei Wang and Shaofan Wang and Yee Hui Lee and Muhammad Salman Pathan and Soumyabrata Dev},
journal= {arXiv preprint arXiv:2501.06440},
year = {2025}
}
备注
6 pages, 4 figures