利用超分辨率与帧场学习在密集区域进行建筑物足迹提取

尽管在标准航拍数据集上取得了显著成果，由于密集区域带来的挑战性特性以及有限的数据可用性，当前最先进的方法无法在密集区域生成准确的建筑物足迹。在本文中，我们提出了一个框架来解决多边形建筑物提取中的此类问题。首先，采用超分辨率来增强航拍图像的空间分辨率，从而能够捕捉更精细的细节。该增强图像作为多任务学习模块的输入，该模块由分割头和帧场学习头组成，以有效处理不规则的建筑物结构。我们的模型由自适应损失加权监督，能够提取尖锐边缘和细粒度多边形，而这由于建筑物重叠和数据质量低而难以实现。在印度一个模拟密集区域的贫民窟上进行的大量实验表明，我们提出的方法以较大优势显著优于当前最先进的方法。