基于实例分割的建筑物高度预测
计算机视觉与模式识别
2022-12-20 v1
摘要
从卫星图像中提取建筑物高度是电信、城市规划等众多领域使用的活跃研究方向。许多研究利用激光雷达或立体图像生成的 DSM (Digital Surface Models) 来实现此目的。由于数据量不足、数据质量低、建筑物类型多样、光影角度不同等原因，仅使用 RGB 图像预测建筑物高度具有挑战性。在本研究中，我们提出了一种基于实例分割的建筑物高度提取方法，用于从单幅 RGB 卫星图像中预测建筑物掩膜及其相应高度。我们使用了带有特定城市建筑物高度标注的卫星图像，并结合开源卫星数据集采用了迁移学习方法。在我们的测试集中，对于属于每个高度类别的建筑物，我们达到了边界框 mAP 59、掩膜 mAP 52.6 以及 70% 的平均准确率。
引用
@article{arxiv.2212.09277,
title = {Building Height Prediction with Instance Segmentation},
author = {Furkan Burak Bagci and Ahmet Alp Kindriroglu and Metehan Yalcin and Ufuk Uyan and Mahiye Uluyagmur Ozturk},
journal= {arXiv preprint arXiv:2212.09277},
year = {2022}
}
备注
Instance Segmentation, Satellite Images, Building Height Prediction