Forwarded from Спутник ДЗЗ
Нейросетевая сегментация снега и облаков на снимках спутника “Электро-Л” № 2
Заголовок новости “В МГУ отделили снег от облаков с помощью ИИ” вызвал замешательство: задача отделения снега от облаков, мягко говоря, не нова и её решение не требует применения методов ИИ, что бы под ними не подразумевалось.
Всё разъяснилось, когда стало ясно что речь идет о данных спутника “Электро-Л” № 2. Спасибо журналистам за ссылку на научную статью (более ранняя версия — на русском языке).
Основной сложностью при разработки алгоритма сегментации снега и облаков по данным прибора МСУ-ГС спутника “Электро-Л” № 2 является отсутствие коротковолновых инфракрасных (SWIR) спектральных каналов (1300–1600 нм), необходимых для работы классических алгоритмов сегментации на основе тестов по нормированному снежному индексу.
Для решения задачи выделения снега и облаков авторы предложили нейросетевой алгоритм, использующий многомасштабную сеть внимания (MANet). Результаты работы включают в себя также самостоятельно собранный набор обучающих данных, состоящий из масок облаков с метеорологических спутников GOES-16 и Meteosat-10 L2, масок снега с продуктов Terra/MODIS, рассматриваемых в качестве эталонов для мультиспектральных снимков с Электро-Л № 2 с географической информацией для каждого образца.
#облака #снег
Заголовок новости “В МГУ отделили снег от облаков с помощью ИИ” вызвал замешательство: задача отделения снега от облаков, мягко говоря, не нова и её решение не требует применения методов ИИ, что бы под ними не подразумевалось.
Всё разъяснилось, когда стало ясно что речь идет о данных спутника “Электро-Л” № 2. Спасибо журналистам за ссылку на научную статью (более ранняя версия — на русском языке).
Основной сложностью при разработки алгоритма сегментации снега и облаков по данным прибора МСУ-ГС спутника “Электро-Л” № 2 является отсутствие коротковолновых инфракрасных (SWIR) спектральных каналов (1300–1600 нм), необходимых для работы классических алгоритмов сегментации на основе тестов по нормированному снежному индексу.
Для решения задачи выделения снега и облаков авторы предложили нейросетевой алгоритм, использующий многомасштабную сеть внимания (MANet). Результаты работы включают в себя также самостоятельно собранный набор обучающих данных, состоящий из масок облаков с метеорологических спутников GOES-16 и Meteosat-10 L2, масок снега с продуктов Terra/MODIS, рассматриваемых в качестве эталонов для мультиспектральных снимков с Электро-Л № 2 с географической информацией для каждого образца.
#облака #снег