基于 Mask R-CNN 的甚高分辨率影像自动地籍边界检测
计算机视觉与模式识别
2023-10-02 v1 机器学习
摘要
近年来，加速并改进自动地籍制图检测的需求极为旺盛。由于该问题尚处起步阶段，诸多计算机视觉与深度学习方法尚未被考量。本文聚焦于深度学习，并提供三种几何后处理方法以提升工作质量。我们的框架包含两部分，每部分由若干阶段组成。我们对该问题的解决方案采用实例分割。第一部分中，我们使用以 ImageNet 数据集上预训练的 ResNet-50 为骨干网络的 Mask R-CNN。第二阶段，我们对第一部分的输出应用三种几何后处理方法以获得更优的整体输出。此处我们还利用计算几何引入了一种用于线简化的新方法，称之为基于口袋的简化算法。为评估方案质量，我们使用该领域中常用的召回率、精确率与 F-score 公式。我们取得的最高召回率为 95%，同时维持了 72% 的高精确率，由此得到 82% 的 F-score。采用 Mask R-CNN 进行实例分割并对其输出施加若干几何后处理，为该领域带来了可喜结果。此外，结果表明基于口袋的简化算法在线简化上优于 Douglas-Puecker 算法。
引用
@article{arxiv.2309.16708,
title = {Automatic Cadastral Boundary Detection of Very High Resolution Images Using Mask R-CNN},
author = {Neda Rahimpour Anaraki and Alireza Azadbakht and Maryam Tahmasbi and Hadi Farahani and Saeed Reza Kheradpisheh and Alireza Javaheri},
journal= {arXiv preprint arXiv:2309.16708},
year = {2023}
}