基于FPN的高分辨率建筑物图像的语义分割

摘要：

针对目前的语义分割网络仅使用部分卷积层产生最终输出而导致的建筑物的边缘精度较低、预测图像质量不高等问题,提出了一种基于特征金字塔结构的BuildingNet网络,并引入了空洞空间金字塔池化模块,使得该网络具有针对不同分辨率图像的良好特征提取性能.另外,设计了一种改进的Lovász损失函数训练所提出的网络,有效提高了提取结果的图像质量.实验表明,对于高分辨率建筑物图像的语义分割,所提出的BuildingNet网络在两个实验数据集上的F1得分分别为94.58％ 和92.15％,优于常用的三种语义分割网络(SegNet、U-Net、Deeplabv3+),证明了其有效性.

关键词：深度学习;语义分割;建筑物提取;特征金字塔网络;空洞空间金字塔池化

所属期刊栏目：36

分类号：TP751(遥感技术)

在线出版日期：2021-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：133-141