集成稠密深度可分离空洞空间金字塔池化于DeepLabV3+的卫星图像自动道路提取
计算机视觉与模式识别
2024-10-22 v1 机器学习
摘要
道路提取是遥感应用的一个子领域，长期处于广泛且持续的研究之中。从卫星图像中自动提取道路的过程面临着由于道路的多尺度和多样化结构带来的诸多挑战，需要进一步改进。DeepLab系列因其在解释多尺度目标特征方面的高效性而在语义分割领域表现突出，已解决了由道路性质变化引起的一些挑战。本研究提出利用DeepLabV3+（DeepLab系列的最新版本），通过引入一种创新的稠密深度可分离空洞空间金字塔池化(DenseDDSSPP)模块，将其取代常规的空洞空间金字塔池化(ASPP)模块。这种修改增强了从卫星图像中提取复杂道路结构的能力。本研究假设，DenseDDSSPP与适当选择的主干网络及 squeeze-and-Excitation模块的集成，将通过聚焦相关特征生成高效稠密特征图，从而实现从遥感图像中更精确、更准确的道路提取。结果部分将我们的模型性能与领先模型进行比较，显示出更好的结果，凸显了所提出方法的有效性和成功性。
关键词
引用
@article{arxiv.2410.14836,
title = {Automated Road Extraction from Satellite Imagery Integrating Dense Depthwise Dilated Separable Spatial Pyramid Pooling with DeepLabV3+},
author = {Arpan Mahara and Md Rezaul Karim Khan and Naphtali D. Rishe and Wenjia Wang and Seyed Masoud Sadjadi},
journal= {arXiv preprint arXiv:2410.14836},
year = {2024}
}
备注
9 pages, 5 figures