一种用于建筑物足迹分割的新型自适应深度网络
计算机视觉与模式识别
2021-03-02 v1 机器学习
数值分析
图像与视频处理
数值分析
摘要
高分辨率图像的建筑物足迹分割在许多遥感应用中的需求日益增长。借助新兴的深度学习方法，分割网络在物体语义分割方面取得了显著进展。然而，这些进展以及卫星图像获取途径的增加，要求从卫星图像中生成准确的物体边界。在本文中，我们提出一种基于 Pix2Pix 方法的新颖网络，以解决使用分割网络将卫星图像转换为地图进行建筑物足迹分割时所得边界不准确的问题。为定义名为 G2G 的新网络，我们的框架包含两台生成器：第一台生成器提取定位特征，以便将其与第二台生成器提取的边界特征相融合，从而分割所有精细建筑物边缘。此外，我们实施了多种策略以提升所提网络结果的质量，表明所提网络在所有评估指标上以较大优势优于 state-of-the-art 分割网络。实现代码见 https://github.com/A2Amir/A-Novel-Adaptive-Deep-Network-for-Building-Footprint-Segmentation。
引用
@article{arxiv.2103.00286,
title = {A Novel Adaptive Deep Network for Building Footprint Segmentation},
author = {A. Ziaee and R. Dehbozorgi and M. Döller},
journal= {arXiv preprint arXiv:2103.00286},
year = {2021}
}
备注
Deep Learning Semantic Segmentation, Building Footprint Segmentation, Conditional Generative Adversarial Networks(CGANs), Pix2Pix Network