通过卷积神经网络与特征两两条件随机场 (FPCRF) 集成实现建筑足迹生成
计算机视觉与模式识别
2020-12-02 v1
摘要
建筑足迹图对许多遥感应用至关重要，例如三维建筑建模、城市规划和灾害管理。由于建筑物的复杂性，从遥感影像中准确可靠地生成建筑足迹仍是一项具有挑战性的任务。在这项工作中，提出了一种端到端的建筑足迹生成方法，该方法集成了卷积神经网络 (CNN) 与图模型。CNN 作为特征提取器，而图模型可考虑空间相关性。此外，我们提出将特征两两条件随机场 (FPCRF) 实现为图模型，以保留锐利边界和细粒度分割。实验在四个不同数据集上进行：(1) 慕尼黑、巴黎、罗马和苏黎世城市的 Planetscope 卫星影像；(2) 波茨坦城市的 ISPRS 基准数据，(3) Dstl Kaggle 数据集；以及 (4) 奥斯汀、芝加哥、基察普县、西蒂罗尔和维也纳的 Inria 航空影像标注数据。研究发现，所提出的以 FPCRF 作为图模型的端到端建筑足迹生成框架，相较于仅使用当前最先进的 CNN，可进一步提高建筑足迹生成的精度。
引用
@article{arxiv.2002.04600,
title = {Building Footprint Generation by IntegratingConvolution Neural Network with Feature PairwiseConditional Random Field (FPCRF)},
author = {Qingyu Li and Yilei Shi and Xin Huang and Xiao Xiang Zhu},
journal= {arXiv preprint arXiv:2002.04600},
year = {2020}
}