نُقدِّم نموذجًا تعلمًا عميقًا جديدًا يُسمى ACLNet، لتقسيم السحب من الصور الأرضية. يعتمد ACLNet على شبكة عصبية عميقة وخوارزمية تعلم آلي (ML) لاستخراج ميزات مكملة. وبشكل خاص، يستخدم EfficientNet-B0 كهيكل أساسي، و"استخلاص التوسع المكاني بالطرق المُتعددة" (ASPP) لتعلم الميادين المستقبلية المتعددة، و"وحدة الانتباه العالمية" (GAM) لاستخراج التفاصيل الدقيقة من الصورة. كما يستخدم ACLNet تجميع K-متوسطات (k-means clustering) لاستخراج حدود السحب بدقة أكبر. ويُظهر ACLNet كفاءة عالية في الصور النهارية والليلية على حد سواء. كما يُقدّم معدل خطأ أقل، ودقة استرجاع أعلى، ونسبة F1 أعلى مقارنةً بالنماذج الحالية المُتميزة في تقسيم السحب. يمكن الوصول إلى الشفرة المصدرية لـ ACLNet من خلال الرابط التالي: https://github.com/ckmvigil/ACLNet.