Проблема подхода transfer learning в задаче сегментации облачных и снежных покровов по данным со спутника ДЗЗ Электро Л1

В данной работе предлагается решение задачи детекции облачности со снимков ДЗЗ с геостационарного спутника ELECTRO L1 в 10 спектральных каналах. Основным подходом при выделении областей с облачным покровом является transfer learning для нейронной сети, являющейся модификацией модели UNET для выделения маски облачности со снимка ДЗЗ в 4 каналах. В качестве данных для обучения используется датасет со спутника ДЗЗ Landsat-8, предоставляющий снимки Земли в разрешении 30 на 30 м в 4 спектральных каналах: R,G,B и ближний инфракрасный (NIR). Модель осуществляет попиксельную классификацию облачности на обучающей выборке с Landsat-8. Проблема применения обученной модели для разметки облачности для снимков с ELECTRO L1 заключается в разном разрешении снимков, ракурсе съемки спутников, спектральных диапазонах съемочной аппаратуры, неточности в разметке облачности в обучающей выборке.
В работе осуществляется предобработка данных с ELECTRO L1 под формат, схожий с сниками с Landsat-8. Рассматриваются способы устранения проблем в разметке данных с ELECTRO L1: некорректная разметка облачности на границах патчей, ложное детектирование облачности в теневых зонах, ошибочная разметка снега как облаков, аномалии на границе контура Земли. Создается разметка облачности, тем самым достигается цель получения собственного датасета для данных с ELECTRO L1.