面向甚高分辨率遥感影像建筑物提取的对抗形状学习
计算机视觉与模式识别
2021-12-21 v6
摘要
由于遮挡与边界模糊问题，甚高分辨率遥感影像（VHR RSI）中的建筑物提取仍是一项具有挑战性的任务。尽管基于常规卷积神经网络（CNN）的方法能够利用局部纹理与上下文信息，但它们无法捕捉建筑物的形状模式，而这是人类识别中的必要约束。为解决此问题，我们提出一种对抗形状学习网络（ASLNet）来建模建筑物形状模式，从而提升建筑物分割的精度。在所提出的ASLNet中，我们引入对抗学习策略以显式建模形状约束，并采用CNN形状正则化器来加强形状特征的嵌入。为评估建筑物分割结果的几何精度，我们引入了若干基于对象的质量评估指标。在两个公开基准数据集上的实验表明，所提出的ASLNet在基于像素的精度与基于对象的质量度量上均大幅提升。代码见：https://github.com/ggsDing/ASLNet
引用
@article{arxiv.2102.11262,
title = {Adversarial Shape Learning for Building Extraction in VHR Remote Sensing Images},
author = {Lei Ding and Hao Tang and Yahui Liu and Yilei Shi and Xiao Xiang Zhu and Lorenzo Bruzzone},
journal= {arXiv preprint arXiv:2102.11262},
year = {2021}
}