地科學院高賢君副教授在遙感領域主流期刊《IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》上發表題為“Two-stage Domain Adaption based on Image and Feature Levels for Cloud Detection in Cross-spatiotemporal Domain”的研究論文。

該研究主要針對有限樣本的雲檢測語義分割模型無法保證源域（SD）和目标域（TD）之間數據分布的一緻性，導緻跨域分割精度和魯棒性能力下降。因此，本文提出了一種基于圖像和特征層的兩階段域自适應（TDAIF）雲檢測框架。TDAIF （圖1）在圖像層設計了一個僞目标域數據生成器（PTDDG），有效融合标清前景和标清背景信息，輔助模型挖掘标清的不變語義知識。然後，在特征層面探索了一個域判别和自組裝聯合（DDSEJ）框架，隐式地處理全局特征的對齊和決策邊界-局部特征的優化。TDAIF 最終削弱了圖像輻射多樣性和尺度發散的影響，提高了跨時空數據的自适應處理能力。在三個域傳輸數據上對 TDAIF 進行了橫向和内部對比實驗。實驗結果表明，TDAIF 顯著降低了跨域網絡精度損失。與 CycleGAN 和 AdaptSegNet 相比，IoU 提高了約 30%。TDAIF 的表現優于最先進的計算視域适應方法，這表明從圖像到特征層的分層數據對齊非常有效（圖2）。

《IEEE Transactions on Geoscience and Remote Sensing》（TGRS）是由電氣和電子工程師協會（Institute of Electrical and Electronics Engineers, IEEE）地球科學與遙感學會（Geoscience and Remote Sensing Society, GRSS）出版的旗艦期刊。該期刊專注于發表高質量的原創研究論文，涵蓋地球科學、遙感以及相關領域的最新進展。内容包括地球觀測、衛星遙感、遙感數據處理和解釋、遙感技術的新發展、遙感應用以及相關的政策和法律問題。該期刊2022-2023最新影響因子為8.2，為一區。

論文鍊接：https://ieeexplore.ieee.org/abstract/document/10439235

圖 1 TDAIF 流程圖

圖 2基于 MTDR-Net 框架和 HRC_WHU 訓練數據，使用不同方法在 CloudS26 測試集上檢測雲的結果直觀對比

圖 3 論文首頁