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，光学遥感影像在地球科学、军事、农林牧渔业、水文大气、环境保护等领域发挥着重要的作用。然而，地球表面上空云的存在使卫星传感器的成像光路严重受阻，导致传感器无法感知真实的地面场景。云的污染导致获取的影像数据质量降低，影响影像数据的后续使用。因此，遥感影像中云的检测对于评价遥感图像的质量和提高影像数据利用率具有重要意义。尽管目前已经提出了许多先进的深度学习云检测方法，但大部分的深度学习方法并没有很好地解决云、雪共存影像上的云检测问题因此，针对云雪共存影像云覆盖区域难以识别检测的问题，在有监督学习框架下提出了一种自适应特征融合模块，优化不同抽象级别的特征融合过程，提高了特征融合的效率；同时引入了高级语义信息指导流，修复了解码端各层稀释的高级语义信息，使每一层的特征图能够感知云的位置，从而提高云的检测精度。实验表明，所提出的方法在国产 ZY-3 卫星影像雪覆盖区域的数据集上取得了出色的云检测结果。