SDA-Net:一个空间优化的双流网络,具有适应性的全球关注,用于在多模式遥感图像中进行建筑提取

科学领域:

• 遥感 遥感 遥感 遥感
• 地理空间分析是什么
• 计算机视觉 计算机视觉

背景情况:

• 精确的建筑提取对于城市规划和管理至关重要.
• 单模远程传感数据因地形,遮蔽和照明变化而面临限制.
• 多模式数据集成提供了互补的功能,但在特征提取和语义差距问题上面临挑战.

研究的目的:

• 开发一个新的建筑提取网络,用于多模式远程传感数据.
• 为应对多模式特征提取和跨模式融合的挑战.
• 提高建筑提取在复杂的城市环境中的准确性和可靠性.

主要方法:

• 设计了一个新的建筑提取网络,SDA-les (AGAFMs).
• 该网络在解码阶段内融合了多模式特征的各种规模.
• 全球视角被用来动态调整特征重要性和平衡语义信息.

主要成果:

• 在基准数据集上,SDA-les网络取得了卓越的表现.
• 在ISPRS波茨坦数据集上获得了高F1分数 (高达97.66%) 和IoU (高达95.42%).
• 在ISPRS Vaihingen和DFC23 Track2数据集上也表现出了强的结果.

结论:

• 拟议的SDA-les网络有效地解决了多模式建筑提取方面的挑战.
• 该方法在城市绘图的准确性和可靠性方面取得了显著的改进.
• 这种方法为先进的城市规划和智能城市发展提供了有希望的解决方案.