一个多尺度的注意力网络,用于从高分辨率遥感图像中提取建筑物
Jing Chang1, Xiaohui He2,3, Dingjun Song1
1School of Computer and Artificial Intelligence, Zhengzhou University, Zhengzhou, 450001, China.
Scientific reports
|July 10, 2025
概括
这项研究引入了一个新的多尺度网络,具有双重注意力机制,用于改进远程传感图像的建筑提取. 这种新的方法提高了复杂场景的准确性和适应性,优于现有的语义细分方法.
科学领域:
- 计算机科学 计算机科学
- 遥感 遥感 遥感 遥感
- 人工智能的人工智能
背景情况:
- 遥感图像经常产生不完整的建筑轮,并与复杂的城市场景作斗争.
- 现有的语义细分网络在准确地提取建筑边界方面存在局限性.
研究的目的:
- 提出一个新的多尺度网络,具有双重注意力机制,用于精确的建筑边界提取.
- 在复杂的遥感场景中提高建筑提取的适应性和准确性.
主要方法:
- 实施了多个规模的网络,包括Squeeze-and-Excitation (SE) 和Atrous空间金字塔聚合 (ASPP) 模块.
- 在解码阶段用于特征相互关系分析的集成通道分组混合和双重注意力机制.
- 开发了一种混合损失函数,以减轻阶级不平衡,稳定网络培训.
主要成果:
- 与PSPnet,U-net和DAnet相比,提出的方法在两个高分辨率数据集上取得了更高的性能.
- 获得了83.23%的高F1得分和73.56%的平均交叉点 (MIoU).
- 在准确性,回忆力,F1得分和MIoU方面显著改善.
结论:
- 开发的多尺度注意力网络有效地从遥感图像中提取清晰的建筑界限.
- 该方法显示了在自动化建筑提取中实际应用的巨大潜力.
- 拟议的方法为复杂的建筑场景提供了更高的准确性和稳定性.
