基于多尺度注意门和增强的位置信息的远程传感图像的建筑提取

科学领域:

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

背景情况:

• 从高分辨率遥感图像中提取建筑物是一个关键的研究领域.
• 当前的深度学习方法面临着边缘模糊,结构不完整和细节丢失的挑战.

研究的目的:

• 开发一种新的建筑提取方法,以获得准确的轮和清晰的边界.
• 为了提高建筑形状和边缘信息提取的精度.

主要方法:

• 使用U-Net作为主要框架.
• 在编码器中引入了多尺度注意力门模块,以改进多尺度信息捕获.
• 实现了解码模块,以增强位置信息,以实现精确的定位.

主要成果:

• 拟议的方法在三个基准数据集 (马萨诸塞州,WHU,Inria) 中显示出一致的性能改进.
• 与六个最先进的模型相比,在交叉与工会 (IoU) 度量方面取得了显著的增长.
• 展示了多尺度特征的有效集成和优化建筑边缘.

结论:

• 这种新的方法显著提高了建筑物提取精度和边缘定义.
• 这种方法比现有的遥感建筑提取方法提供了更高的性能.
• 通过对多个基准数据集的全面评估来验证有效性.