双分支多尺度上下文网络:在高分辨率遥感图像中的多尺度街道树细分模型
Hongyang Zhang1,2, Shuo Liu1,2
1Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China.
Sensors (Basel, Switzerland)
|February 24, 2024
概括
精确的街道树木细分对于城市绿色空间至关重要. 新的双分支多尺度上下文网络 (DB-MSC Net) 提高了细分精度,优于现有的更好的城市管理方法.
科学领域:
- 遥感 遥感 遥感 遥感
- 计算机视觉 计算机视觉
- 城市生态城市生态学
背景情况:
- 街头树木对城市绿地至关重要,需要有效管理.
- 从遥感数据准确地对街道树进行细分是有挑战的,因为树的大小各不相同.
- 传统方法往往无法捕获所有街道树木,影响城市绿色空间管理.
研究的目的:
- 从高分辨率遥感图像开发一个先进的深度学习模型,用于精确的街道树细分.
- 解决现有方法在处理各种街道树大小和复杂性的局限性.
- 引入一个新的基准数据集,用于评估街道树细分模型.
主要方法:
- 提出了具有双分支架构的双分支多层次上下文网络 (DB-MSC Net).
- 整合了一个多尺度上下文 (MSC) 块与平行扩展卷曲和变压器块,以增强特征提取.
- 在解码器中集成了一个频道注意力机制 (CAM),以有效地融合RGB和NDVI功能.
主要成果:
- 与UNET,HRnet和SETR相比,DB-MSC Net取得了更高的性能.
- 细分精度显著提高,整体精度 (OA) 增加至少0.16%,平均交叉点在整个欧盟 (mIoU) 增加至少1.13%.
- 拟议模型的细分精度符合有效的城市绿色空间管理的实际要求.
结论:
- DB-MSC Net提供了一个强大的解决方案,用于在城市环境中准确的街道树细分.
- 该模型处理多尺度特征和融合互补数据源 (RGB,NDVI) 的能力是其成功的关键.
- 这项研究有助于推进城市规划和绿色空间管理中的遥感应用.
