论文摘要
针对基于深度神经网络的高分辨率遥感影像建筑物提取算法中将建筑物提取视为二分类问题（即将遥感影像中的像素点划分为建筑物与非建筑两类）而无法区分建筑物个体的局限性,将基于Xception module改进的U-Net深度神经网络方法与多任务学习方法相结合进行建筑物实例分割,在获取建筑物二分类结果的同时,区分不同建筑物个体,并选择Inria航空影像数据集对该方法进行验证。结果表明,在高分辨率遥感影像的建筑物二分类提取方面,基于Xception module改进的U-Net方法明显优于U-Net方法,提取精度升高1.4%;结合多任务学习的深度神经网络方法不仅能够实现建筑物的实例分割,而且可将二分类建筑物的提取精度提升约0.5%。
论文目录
文章来源
类型: 期刊论文
作者: 惠健,秦其明,许伟,隋娟
关键词: 多任务学习,建筑物提取,深度神经网络,实例分割
来源: 北京大学学报(自然科学版) 2019年06期
年度: 2019
分类: 基础科学,工程科技Ⅱ辑,信息科技
专业: 工业通用技术及设备,建筑科学与工程,自动化技术
单位: 北京大学遥感与地理信息系统研究所北京大学地球与空间科学学院,空间信息集成与3S工程应用北京市重点实验室
基金: 国家重点研发计划(2017YFB0503905)资助
分类号: TP751;TU198
DOI: 10.13209/j.0479-8023.2019.106
页码: 1067-1077
总页数: 11
文件大小: 2135K
下载量: 758