HyperAIHyperAI

Command Palette

Search for a command to run...

إزالة السحابة في الاستشعار عن بعد باستخدام نماذج الت(diffusion) القائمة على التسلسل

Kebin Jia Xiaohu Zhao

الملخص

الصفحة الأولىالإعداداتطلب إعادة طباعة المقالةمقالة مفتوحة الوصولإزالة السحب في الاستشعار عن بعد باستخدام نماذج التبديد القائمة على التسلسلبقلم شياوهو زАО[ORCID] وكي بين جيا [ORCID]كلية تكنولوجيا المعلومات، جامعة بكين للتقنية، بكين 100124، الصينالاتصال بالمؤلف المُرسل.Remote Sens. 2023، 15(11)، 2861؛ https://doi.org/10.3390/rs15112861استُلم في 11 أبريل 2023 / مُعدّل في 24 مايو 2023 / قُبل في 26 مايو 2023 / نُشر في 31 مايو 2023(يُعد هذا المقال جزءًا من العدد الخاص: "النهوض بالتعلم الآلي في الاستشعار عن بعد لتعزيز القدرة على التعميم الفضائي-الزمني")تحميل عرض الأشكالتقارير المراجعة نسخ مُعدّلة ملاحظاتالملخصتُعدّ معظم الملاحظات البصرية التي تُجمع عبر الأقمار الصناعية البصرية الفضائية معطّلة بسبب السحب أو الضباب، مما يحدّ من تطبيقات الاستشعار عن بعد للأرض؛ وبالتالي، يُعدّ استكشاف طريقة مثالية لإزالة السحب أمرًا بالغ الأهمية. في هذا البحث، نقترح نموذجًا توليديًا احتماليًا جديدًا يُسمّى نماذج التبديد القائمة على التسلسل (SeqDMs) لمهام إزالة السحب في مجال الاستشعار عن بعد. يتكون النهج المقترح من نماذج التبديد متعددة الوسائط (MmDMs) واستراتيجية تدريب واستنتاج قائمة على التسلسل (SeqTIS). وبشكل خاص، تُعدّ MmDMs نموذج تبديد جديد يعيد بناء عملية الاسترجاع العكسية لنماذج التبديد الاحتمالية المُزالة للضوضاء (DDPMs)، بهدف دمج معلومات إضافية من الوسائط المساعدة (مثل صور الرادار المُصغّرة المقاومة للتأثيرات الناتجة عن السحب) لمساعدة تعلّم التوزيع في الوسيط الرئيسي (أي الصور الساتلية البصرية). ولإدماج المعلومات عبر الزمن، صُمّمت استراتيجية SeqTIS لدمج المعلومات الزمنية عبر تسلسلات دخل متعددة الوسائط (الرئيسية والمسايدة) بطول عشوائي دون الحاجة إلى إعادة تدريب النموذج. وباستخدام MmDMs وSeqTIS، تتمتع SeqDMs بالمرونة اللازمة لمعالجة تسلسلات دخل بطول عشوائي، مع تحقيق تحسينات كبيرة باستخدام عينتين إضافيتين فقط، وتقليل كبير في تكاليف إعادة تدريب النموذج. وقد قُمنا بتقييم أداء النهج المقترح على مجموعة بيانات حقيقية عامة تُدعى SEN12MS-CR-TS، المُخصصة لمهام إزالة السحب متعددة الوسائط ومتعددة الأزمنة. تُظهر التجارب الواسعة والدراسات التحليلية (Ablation Studies) التفوق الكبير للنهج المقترح من حيث جودة العينات المسترجعة، ومرونته في التعامل مع تسلسلات دخل بطول عشوائي، مقارنةً بعدة طرق حديثة مُتقدمة في مجال إزالة السحب.


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
إزالة السحابة في الاستشعار عن بعد باستخدام نماذج الت(diffusion) القائمة على التسلسل | مستندات | HyperAI