我们提出了一种名为ACLNet的新型深度学习模型，用于从地面图像中进行云层分割。ACLNet结合了深度神经网络与机器学习（ML）算法，以提取互补特征。具体而言，该模型采用EfficientNet-B0作为主干网络，利用“空洞空间金字塔池化”（Atrous Spatial Pyramid Pooling, ASPP）在多个感受野尺度下学习特征，并引入“全局注意力模块”（Global Attention Module, GAM）以提取图像中的细粒度细节信息。此外，ACLNet还采用k-means聚类算法，以更精确地提取云层边界。该模型在白天和夜间图像上均表现出色，相较于当前最先进的云层分割方法，具有更低的误差率、更高的召回率以及更高的F1分数。ACLNet的源代码已公开，可通过以下链接获取：https://github.com/ckmvigil/ACLNet。