基于高分辨率卫星影像的大陆尺度建筑物检测
计算机视觉与模式识别
2021-08-02 v2
摘要
识别建筑物的位置与足迹对许多实际和科学目的至关重要。此类信息在替代数据源可能稀缺的发展中地区尤为有用。本工作中，我们描述了一种用于在整个非洲大陆检测建筑物的模型训练流程，使用50 cm卫星影像。从卫星图像分析中广泛使用的U-Net模型出发，我们研究了架构、损失函数、正则化、预训练、自训练和后处理的变化，这些均提升了实例分割性能。实验使用覆盖非洲的100k卫星图像数据集进行，其中包含175万个人工标注的建筑物实例，以及用于预训练和自训练的进一步数据集。我们报告了利用此类模型改进建筑物检测性能的新方法，包括使用mixup（mAP +0.12）和带软KL损失的自训练（mAP +0.06）。所得流程即使在各种具有挑战性的农村和城市环境中也取得良好结果，并用于创建包含5.16亿非洲范围检测足迹的Open Buildings数据集。
引用
@article{arxiv.2107.12283,
title = {Continental-Scale Building Detection from High Resolution Satellite Imagery},
author = {Wojciech Sirko and Sergii Kashubin and Marvin Ritter and Abigail Annkah and Yasser Salah Eddine Bouchareb and Yann Dauphin and Daniel Keysers and Maxim Neumann and Moustapha Cisse and John Quinn},
journal= {arXiv preprint arXiv:2107.12283},
year = {2021}
}