基于全卷积神经网络从 Sentinel-2 影像大规模制图人类聚居范围的框架
计算机视觉与模式识别
2020-05-19 v1
摘要
人类聚居范围（HSE）信息是世界范围内城市化以及由此产生的人类对自然环境压力的宝贵指标。因此，绘制 HSE 地图对于地方、区域乃至全球尺度的各种环境问题至关重要。本文提出了一个基于深度学习的框架，利用区域可用的地理产品作为训练标签，从多光谱 Sentinel-2 数据自动绘制 HSE 地图。作为框架内语义分割的示例，实现了一个直接、简单但有效的基于全卷积网络的架构 Sen2HSE。该框架针对均匀分布于测试区的手动标注检查点以及 OpenStreetMap 建筑层进行了验证。为了全面评估所提 HSE 制图框架的有效性，将 HSE 制图结果与若干基线产品进行了广泛比较。HSE 制图能力在全世界 10 个代表性区域上得到了一致证明。我们还从框架中给出一个区域尺度和一个全国尺度的 HSE 制图示例，以展示向上扩展的潜力。本研究的结果有助于将基于 CNN 的方法在大规模城市制图中的适用性推广到无最新且准确地面真值可用的情形，以及随后的全球城市化监测。
引用
@article{arxiv.2001.11935,
title = {A framework for large-scale mapping of human settlement extent from Sentinel-2 images via fully convolutional neural networks},
author = {C. Qiu and M. Schmitt and C. Geiss and T. K. Chen and X. X. Zhu},
journal= {arXiv preprint arXiv:2001.11935},
year = {2020}
}