基于改进权重映射的高分辨率遥感影像建筑实例分割

论文摘要

利用深度学习进行高分辨率影像建筑物提取时,对于建筑密集区由于建筑间隙小,往往无法准确区分建筑物个体。针对此问题提出了一种基于改进权重映射的高分辨率遥感影像实例分割方法,将两种权重映射的方式加权融合用于卷积神经网络的反向传播,强制网络学习建筑物边界以及密集建筑物间隙区,并利用Urban3D数据集对该方法进行验证。实验结果表明,通过综合两种不同权重映射,能有效改善在密集建筑物间隙区域和建筑物边界的提取效果,实例化F1指数提升3.04%,未结合归一化数字表面模型(nDSM)但引入权重映射的模型建筑物提取效果优于将nDSM数据与原始影像结合的效果。

论文目录

• 0 引言
• 1 研究方法
•   1.1 U-Net网络
•   1.2 权重映射
•   1.3 结合权重映射和U-Net模型的影像分类流程
• 2 实验与分析
•   2.1 实验数据
•   2.2 精度评价指标
•   2.3 实验分析
• 3 结语

文章来源

类型: 国内会议

作者: 杨鹏,许磊磊,徐佳,刘昱君

关键词: 深度学习,建筑物提取,权重映射,实例分割

来源: 2019年江苏省测绘地理信息学会学术年会 2019-11-20

年度: 2019

分类: 基础科学

专业: 自然地理学和测绘学

单位: 河海大学地球科学与工程学院,江苏省基础地理信息中心

分类号: P237

DOI: 10.26914/c.cnkihy.2019.043497

页码: 44-48

总页数: 5

文件大小: 2407k

下载量: 42