BuildSeg：一个用于建筑物分割的通用框架
计算机视觉与模式识别
2023-01-18 v1 图像与视频处理
摘要
由于背景、建筑物纹理和图像质量的多样性，从航空图像和三维激光扫描（LiDAR）中进行建筑物分割是一项具有挑战性的任务。尽管目前使用不同类型的卷积网络和 Transformer 网络的研究已显著提升了该任务的性能，但对于自动制图等应用，仍需要更精确的建筑物分割方法。在本研究中，我们提出了一个名为 \emph{BuildSeg} 的通用框架，采用一种可快速应用于建筑物分割的通用方法。结合不同数据源以提高泛化性能。正如在挪威、丹麦和法国城市的高分辨率多光谱和 LiDAR 图像上的实验所示，该方法对不同数据源均产生了良好结果。我们在 MapAI 竞赛的高分辨率航空图像数据集上应用了基于 ConvNeXt 和 SegFormer 的模型。该方法实现了 0.7902 的 IOU 和 0.6185 的边界 IOU。我们使用后处理来考虑对象的矩形形状。这将边界 IOU 从 0.6185 提高到了 0.6189。
引用
@article{arxiv.2301.06190,
title = {BuildSeg: A General Framework for the Segmentation of Buildings},
author = {Lei Li and Tianfang Zhang and Stefan Oehmcke and Fabian Gieseke and Christian Igel},
journal= {arXiv preprint arXiv:2301.06190},
year = {2023}
}