HyperAIHyperAI

Command Palette

Search for a command to run...

Cloud-Net: خوارزمية كشف السحب من النهاية إلى النهاية لصور Landsat 8

Sorour Mohajerani Parvaneh Saeedi

الملخص

اكتشاف السحب في الصور القمرية هو خطوة مهمة أولى في العديد من تطبيقات الاستشعار عن بعد. يصبح هذا التحدي أكثر صعوبة عندما تكون عدد محدود فقط من الأشرطة الطيفية متاحًا. لمعالجة هذه المشكلة، تم اقتراح خوارزمية تعتمد على التعلم العميق في هذا البحث. تتكون هذه الخوارزمية من شبكة كونفولوشنية كاملة (Fully Convolutional Network - FCN) يتم تدريبها باستخدام عدة مربعات من صور Landsat 8. تُعرف هذه الشبكة باسم Cloud-Net وهي قادرة على التقاط الخصائص السحابية العالمية والمحلية في الصورة باستخدام كتلها الكونفولوشنية. نظرًا لأن الطريقة المقترحة هي حل من البداية إلى النهاية، فلا يتطلب الأمر أي خطوة معالجة سابقة معقدة. أثبتت نتائج تجاربنا أن الطريقة المقترحة تتفوق على أفضل الطرق الحالية بنسبة 8.7٪ في مؤشر جاكارد (Jaccard Index) على مجموعة بيانات معيارية.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp
Cloud-Net: خوارزمية كشف السحب من النهاية إلى النهاية لصور Landsat 8 | مستندات | HyperAI