自动化国家城市地图提取
计算机视觉与模式识别
2024-05-06 v2
摘要
发展中国家通常缺乏适当的治理手段来生成并定期更新国家屋顶地图。使用传统的摄影测量和测量方法在联邦层面制作建筑地图成本高昂且耗时。利用地球观测和深度学习方法，我们可以弥合这一差距，并提出一个自动化流程来获取此类国家城市地图。本文旨在利用全卷积神经网络进行多类建筑物的实例分割，以获得高精度的逐对象结果。从亚米级高分辨率卫星图像中进行建筑物实例分割可以获得相对较高的逐像素度量分数。我们详细介绍了复制这项工作所需的所有工程步骤，并确保在缺乏适当城市规划的全球南部地区的密集和贫民窟区域获得高精度结果。我们将所提出的流程应用于黎巴嫩进行案例研究，并成功生成了第一个全面的国家建筑足迹图，包含约100万个单元，准确率为84%。所提出的架构依赖于先进的增强技术来克服数据集稀缺的问题，这在发展中国家是常见情况。
引用
@article{arxiv.2404.06202,
title = {Automated National Urban Map Extraction},
author = {Hasan Nasrallah and Abed Ellatif Samhat and Cristiano Nattero and Ali J. Ghandour},
journal= {arXiv preprint arXiv:2404.06202},
year = {2024}
}