卫星多光谱影像中建筑物检测的深度学习方法
计算机视觉与模式识别
2020-10-12 v1
摘要
从卫星多光谱影像数据中检测建筑物是一个基础但具挑战性的问题，主要因为它需要从高分辨率图像中正确恢复建筑物足迹。本工作中，我们提出一种通过在整个流程中应用多种增强手段的深度学习方法来检测建筑物。初始数据集通过2-sigma百分位归一化进行预处理。随后数据准备包括集成建模，其中创建了3个模型并融入OpenStreetMap数据。二值距离变换(BDT)用于改进数据标注过程，且U-Net(用于生物医学图像分割的卷积网络)通过添加批量归一化封装器被修改。之后，阐述了我们方法中各组件与最终检测精度的关联。最后，我们将结果与SpaceNet 2竞赛针对拉斯维加斯、巴黎、上海和喀土穆真实卫星多光谱影像的获胜方案进行比较，证明了我们的方案对实现更高建筑物检测精度的重要性。
引用
@article{arxiv.1811.04247,
title = {Deep Learning Approach for Building Detection in Satellite Multispectral Imagery},
author = {Geesara Prathap and Ilya Afanasyev},
journal= {arXiv preprint arXiv:1811.04247},
year = {2020}
}