卫星影像中建筑物的精确多边形制图
计算机视觉与模式识别
2022-08-02 v1
摘要
本文通过解决掩码可逆性问题来研究建筑物的多边形制图，该问题导致基于学习的方法所预测的掩码与多边形之间存在显著的性能差距。我们通过利用分层监督（底层顶点、中层线段和高层区域掩码）解决了这一问题，并提出了一种源自不同层级监督信号的特征嵌入交互机制，以获得用于建筑物多边形制图的不可逆建筑物掩码。结果表明，所学习的可逆建筑物掩码兼具深度卷积神经网络进展的全部优势，从而实现高性能的建筑物多边形制图。在实验中，我们在 AICrowd 和 Inria 两个公开基准上评估了我们的方法。在 AICrowd 数据集上，我们提出的方法在 AP、APboundary 和 PoLiS 指标上均取得了一致的提升。对于 Inria 数据集，我们提出的方法在 IoU 和 Accuracy 指标上也取得了极具竞争力的结果。模型和源代码可在 https://github.com/SarahwXU 获取。
引用
@article{arxiv.2208.00609,
title = {Accurate Polygonal Mapping of Buildings in Satellite Imagery},
author = {Bowen Xu and Jiakun Xu and Nan Xue and Gui-Song Xia},
journal= {arXiv preprint arXiv:2208.00609},
year = {2022}
}