来源：期刊VIP网 时间：
作者：方巍;陶恩屹;
单位：南京信息工程大学计算机学院;南京信息工程大学数字取证教育部工程研究中心;南京气象科技创新研究院中国气象局交通气象重点开放实验室;南京信息工程大学江苏省大气环境与装备技术协同创新中心;苏州大学江苏省计算机信息处理技术重点实验室;
摘要：云检测是在遥感卫星云图中检测云的任务。近年来，人们提出了基于深度学习的云检测方法，并取得了良好的性能。然而，现有的基于深度学习的云检测模型大多还是基于卷积神经网络(convolutional neural network, CNN),由于卷积运算的固有局部性，难以捕获长距离依赖关系。针对上述问题，文章提出一个基于CNN和ViT(Vision Transformer)的混合型云检测模型，并提出一种基于CNN和ViT的编码器，使网络具备捕捉局部和全局信息的能力。为了更好地融合语义和尺度不一致的特征，提出了一个双尺度注意力融合模块，通过注意力机制有选择地融合特征。此外，提出了轻量级路由解码器，该解码器通过路由结构降低模型复杂度。在3个公开云检测数据集上对模型进行了评估。大量实验表明，所提出的模型具有比现有模型更好的性能。
关键词：深度学习;;卷积神经网络;;空间Vision Transformer;;混合模型;;云检测
基金资助：国家自然科学基金(42075007);; 苏州大学计算机信息处理技术重点实验室开放项目(KJS2275);; 南京气象科技创新研究院北极阁开放研究基金(BJG202306);; 江苏省研究生科研与实践创新计划(SJCX24＿0476、SJCX24＿0477)
