10.20091/j.cnki.1000-3177.2023.02.018
边缘增强的EDU-Net遥感影像建筑物提取
针对高空间分辨率遥感影像背景信息复杂,现有语义分割模型提取建筑物轮廓易出现边缘缺失、边界划分不清晰等问题,提出一种边缘增强型EDU-Net深度学习网络.在EDU-Net结构设计中,通过构建边缘特征约束模块,结合Sobel边缘检测图细化建筑物边缘特征;同时,基于二次强化策略提升模型对建筑物边缘信息的表征学习能力.在WHU数据集上,EDU-Net语义分割指标MIoU和F1分别为91.99%和92.37%,相较DoubleU-Net提升0.99%和1.05%;在中国典型城市建筑物数据集上,MIoU达83.12%,同时边缘与边界分割效果更佳,证明了所提出模型具有较好的分割性能和普适性.
高空间分辨率、语义分割、DoubleU-Net、边缘特征、深度学习
38
TP79(遥感技术)
国家自然科学基金;云南省基础研究计划项目;云南省基础研究计划项目
2023-07-05(万方平台首次上网日期,不代表论文的发表时间)
共8页
134-141