DiResNet：用于 VHR 遥感图像道路提取的方向感知残差网络
计算机视觉与模式识别
2021-06-30 v2
摘要
在极高分辨率（VHR）遥感图像（RSIs）中进行道路的二值分割一直是一项具有挑战性的任务，其成因包括遮挡（由阴影、树木、建筑物等引起）以及路面内的类内差异等因素。卷积神经网络（CNNs）的广泛使用极大提升了分割精度，并使该任务可端到端训练。然而，在结果的完整性与连通性方面仍有改进空间。本文中，我们考虑道路提取的特定背景，提出一种方向感知残差网络（DiResNet），其包含三个主要贡献：1) 带有反卷积层与结构监督的非对称残差分割网络，以增强道路拓扑的学习（DiResSeg）；2) 局部方向的像素级监督，以增强线性特征的嵌入；3) 用于优化分割结果的精炼网络（DiResRef）。在两个基准数据集（Massachusetts 数据集与 DeepGlobe 数据集）上的消融研究证实了所提设计的有效性。与其他方法的对比实验表明，所提方法在总体精度与 F1-score 上均具优势。代码可见于：https://github.com/ggsDing/DiResNet。
引用
@article{arxiv.2005.07232,
title = {DiResNet: Direction-aware Residual Network for Road Extraction in VHR Remote Sensing Images},
author = {Lei Ding and Lorenzo Bruzzone},
journal= {arXiv preprint arXiv:2005.07232},
year = {2021}
}
备注
12 pages, 13 figures. IEEE Transactions on Geoscience and Remote Sensing, 2020