为加强研究生学术交流活动，推进学术创新，特开通“研究生学术报告预告区”。我校研究生和教师可以在预告区及时发布和了解有关研究生学术报告的信息，届时参加。也可就某学术报告展开专题讨论与交流。
随着遥感技术的发展，高分辨率遥感影像被广泛应用于农业工程、环境保护、国土资源、城市规划、国防建设等众多领域。然而，地球表面有接近 66% 的地表上空是被云覆盖，云层遮挡低卫星遥感影像数据质量，对遥感影像后期数据应用产生不利影响，如遥感影像目标识别、地物分类/分割、图像匹配、三维数字表面模型生成等。因此，快速和准确地检测遥感影像上的云覆盖信息，对于提高卫星遥感影像质量和利用率具有十分重要的意义。针对遥感影像目标地物的高度复杂性和传统手工特征缺乏辨识度的问题，在有监督学习框架下，本文提出了一种面向多尺度和全局上下文信息提取的特征金字塔模块，提高了目标对象区域的识别精度；引入了边界细化模块，优化了初始分割的边界定位精度；设计了编码-解码的网络框架，融合了不同抽象级别的特征，提高了云检测结果的准确性。实验表明，所提出的方法在国产 ZY-3 卫星影像数据集上取得了出色的云检测结果。