.png){kind=icon}
返回
CloudFU-Net: A Fine-Grained Segmentation Method for Ground-Based Cloud Images Based on an Improved Encoder-Decoder Structure
.png){kind=icon}
PRE
AI
DOI：10.1109/TGRS.2024.3389089.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
地基云图的分割是地基云观测的一个重要方面，对气象预报、光伏功率预测等相关工作具有重要意义。目前，提出的基于地面的云图分割方法仅将云与天空背景分开，而没有进一步对云类别进行分类。云具有丰富的细粒度语义特征，不同类型的云对太阳辐照度的影响不同，进而对光伏发电产生不同的影响。在本文中，提出了一种用于地面云图的细粒度分割方法，该方法基于一种改进的编码器-解码器结构，称为cloudfu-net。首先，构建了面向光伏功率预测的地面云图细粒度分割数据集，在气象专家的指导下，将云图划分为五类不同颜色。其次，在cloudfu-net编码器中引入选择性内核 (SK)，以更好地捕获不同大小的云。然后，提出了一种并行扩张卷积模型 (PDCM)，以更准确地分割小目标云。最后，将内容感知的特征重组 (CARAFE) 引入到cloudfu-net解码器中，以替换原始的插值上采样，以更好地恢复细粒度的语义特征。最后，实验结果表明，与其他分割模型相比，所提出的cloudfu-net具有最佳的分割性能，Miou达到61.9%，可以有效地分割不同的云属，为光伏功率的准确预测奠定了坚实的基础。
Keyword:
Clouds
Image segmentation
Cloud computing
Photovoltaic systems
Solar irradiance
Semantics
Decoding
Dilated convolution
fine-grained segmentation of ground-based cloud
ground-based cloud image dataset
photovoltaic power prediction
selective kernel (SK) attention
期刊
IF:
8.6
论文数:
2.2W
被引数:
10.7W
机构
引用论文
.png){kind=icon}
Ground-Based Remote Sensing Cloud Detection Using Dual Pyramid Network and Encoder-Decoder Constraint基于双金字塔网络和编解码器约束的地基遥感云检测
OAAI
OAAI分享收藏
Recent advances in intra-hour solar forecasting: A review of ground-based sky image methods小时内太阳预报的最新进展: 地面天空图像方法综述
PREAI
分享收藏
查看更多内容