🌥️ Cloud Removal Training

Train Deep Learning Models để khử mây từ ảnh Sentinel-2

← Trang chủ Land Classification Prediction Models đã train
📚 Dataset: SEN12MS-CR (Sentinel-12 Multi-Seasonal Cloud Removal)
🏗️ Architecture: U-Net với skip connections
📊 Input: S2 cloudy (4 bands) + S1 radar (2 bands) = 6 channels
🎯 Output: S2 clean (4 bands)
⏱️ Training time: ~2-3 hours (GPU) / ~20-30 hours (CPU)

⚙️ Cấu hình Training

Chọn kiến trúc deep learning cho cloud removal
Tên model để lưu
Thư mục chứa dữ liệu SEN12MS-CR
Giảm xuống 4 hoặc 2 nếu GPU hết RAM
Số lượng epochs training
Learning rate (default: 1e-4)
Sử dụng dữ liệu radar (VV, VH) để cải thiện kết quả
Sử dụng GPU để training nhanh hơn

🤖 Cloud Removal Models

Loading models...

📖 Cloud Removal Deep Learning Architectures

🔹 U-Net

Classic encoder-decoder with skip connections. Fast training, good baseline performance.

Recommended for beginners

🔹 CR-GAN

Cloud Removal GAN - adversarial training cho kết quả chân thực hơn.

Advanced

🔹 SpA-GAN

Spatial Attention GAN - attention mechanism tập trung vào vùng có mây.

Best quality

🔹 GLF-CR

Global-Local Fusion - kết hợp features global và local cho chi tiết tốt hơn.

High accuracy

🔹 SEN12MS-CR

Multi-modal fusion - kết hợp Sentinel-1 radar và Sentinel-2 optical.

Multi-sensor

🔹 RSDehazeNet

Remote Sensing Dehaze Network - chuyên cho ảnh viễn thám.

RS specialized

🔹 Cloud-Net

Encoder-Decoder architecture với residual connections.

Balanced

🔹 DSen2-CR

Deep Sentinel-2 Cloud Removal - tận dụng temporal information.

Temporal fusion