面向倾斜影像建筑遮挡感知核查的深度增强特征金字塔网络
计算机视觉与模式识别
2021-02-25 v2
摘要
检测城市环境中建筑物的变化至关重要。现有仅使用正射影像的方法存在建筑物与其他区域之间特征模糊和遮挡的严重问题。此外，城市环境中的建筑物在尺度上差异显著，这导致使用单尺度特征时存在性能问题。为解决这些问题，本文提出一种融合特征金字塔网络，利用彩色与深度数据从倾斜影像对现有建筑物的二维足迹进行三维核查。首先，将三维网格模型渲染得到的深度信息融入倾斜影像的彩色数据中。其次，在特征金字塔网络中融合多尺度特征，对彩色与深度数据进行卷积。最后，在正射与倾斜影像的多视信息基础上，采用鲁棒投票程序标注现有建筑物的变化。使用ISPRS基准数据集和深圳数据集的实验评估表明，所提方法在召回率和精度上分别优于ResNet和EfficientNet网络5%和2%。我们证明该方法能成功检测所有变化建筑物；因此，在管线更新过程中仅需对标记为变化的建筑物进行人工核查，这显著降低了人工质量控制需求。此外，消融实验表明，使用深度数据、特征金字塔模块和多视投票策略可带来清晰且渐进的改进。
引用
@article{arxiv.2011.13226,
title = {Depth-Enhanced Feature Pyramid Network for Occlusion-Aware Verification of Buildings from Oblique Images},
author = {Qing Zhu and Shengzhi Huang and Han Hu and Haifeng Li and Min Chen and Ruofei Zhong},
journal= {arXiv preprint arXiv:2011.13226},
year = {2021}
}