Transformer 增强型 UNet 深度学习模型，用于复杂条件下目标检测 ！

文章预览

已有许多研究致力于从卫星图像中检测烟雾。然而，这些先前的方法在复杂背景中检测各种烟雾仍然不够有效。烟雾检测具有挑战性，因为烟雾在密度、颜色、光照以及背景（如云、霾和/或雾）方面的变化，还有薄烟雾的上下文特性。 本文通过提出一种名为VTrUNet的新分割模型来解决这些挑战，该模型包括一个捕获光谱模式的虚拟波段构建模块和一个捕获远程上下文特征的 Transformer 增强型UNet。 该模型以六个波段（红、绿、蓝、近红外和两个短波红外波段）的图像作为输入。为了展示所提出模型的优点，本文展示了各种可能的模型架构改进UNet的广泛结果，并得出了一些有趣的结论，包括向模型中添加更多模块并不总是能带来更好的性能。 本文还将所提出的模型与最近提出的相关烟雾分割模型进行了比较，并显示所提出的模型性能最佳，并在预测 ………………………………