一个多模式,多时间,多分辨率的基准数据集用于建筑高度估计

科学领域:

• 遥感 遥感 遥感 遥感
• 地理空间分析是什么
• 城市规划 城市规划

背景情况:

• 准确的建筑高度数据对于城市规划和监测至关重要.
• 使用航空图像和LiDAR的传统方法对于大规模,频繁的评估是昂贵和缓慢的.
• 卫星数据与深度学习 (DL) 结合,提供了一个可扩展的解决方案,但缺乏全面的开源数据集.

研究的目的:

• 介绍M4Heights,一个新的多模式,多分辨率和多时间数据集用于建筑高度估计.
• 促进DL模型的发展,以准确和可扩展的建筑高度估计.
• 支持各种城市规划和监测应用.

主要方法:

• 编制了来自Sentinel-1 SAR和Sentinel-2 MSI卫星数据的约100万张图像的数据集.
• 集成的高分辨率空中整形影像和地面真实建筑高度地图.
• 包括最大的相关的多图像超分辨率数据集,用于增强的高度估计.

主要成果:

• M4Heights涵盖了爱沙尼亚,荷兰和瑞士的各种建筑风格,城市密度和地形.
• 该数据集支持各种建模方法,并使其可扩展到新区域.
• 它为改进基于DL的建筑高度估计提供了基础.

结论:

• M4Heights解决了对大规模开源培训数据的关键需求,用于建筑高度估计.
• 该数据集将加速城市监测先进DL模型的开发和部署.
• 它为可持续的城市规划和管理提供了巨大的潜力.