ACLNet: An Attention and Clustering-based Cloud Segmentation Network

要約

地上画像からの雲のセグメンテーションのために、ACLNetという名前の新しい深層学習モデルを提案します。
ACLNetは、ディープニューラルネットワークと機械学習（ML）アルゴリズムの両方を使用して、補完的な機能を抽出します。
具体的には、EfficientNet-B0をバックボーンとして使用し、「大量の空間ピラミッドプーリング」（ASPP）を使用して複数の受容野で学習し、「グローバルアテンションモジュール」（GAM）を使用して画像から詳細を抽出します。
ACLNetはまた、k-meansクラスタリングを使用して、クラウド境界をより正確に抽出します。
ACLNetは、昼間と夜間の両方の画像に効果的です。
最先端のクラウドセグメンテーションモデルよりも低いエラー率、高いリコール、高いF1スコアを提供します。
ACLNetのソースコードは、https：//github.com/ckmvigil/ACLNetから入手できます。

要約(オリジナル)

We propose a novel deep learning model named ACLNet, for cloud segmentation from ground images. ACLNet uses both deep neural network and machine learning (ML) algorithm to extract complementary features. Specifically, it uses EfficientNet-B0 as the backbone, ‘`a trous spatial pyramid pooling’ (ASPP) to learn at multiple receptive fields, and ‘global attention module’ (GAM) to extract finegrained details from the image. ACLNet also uses k-means clustering to extract cloud boundaries more precisely. ACLNet is effective for both daytime and nighttime images. It provides lower error rate, higher recall and higher F1-score than state-of-art cloud segmentation models. The source-code of ACLNet is available here: https://github.com/ckmvigil/ACLNet.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google