利用超分辨率与深度学习提升建筑语义分割精度：探究空间分辨率在多数据集上的影响
计算机视觉与模式识别
2023-07-11 v1 图像与视频处理
摘要
遥感与深度学习技术的发展使得建筑语义分割得以高精度、高效率地实现。尽管它们在各类任务中取得成功，关于空间分辨率对基于深度学习的建筑语义分割影响的讨论仍相当不足，这使得选择更具成本效益的数据源成为一大挑战。为解决上述问题，本研究通过超分辨率与下采样在三个研究区生成多种空间分辨率的遥感图像。此后，选取两种代表性深度学习架构：UNet与FPN进行模型训练与测试。由两种深度学习模型在三个城市所得实验结果表明，空间分辨率对建筑分割结果影响显著，且在约0.3m处具有更好的成本效益，我们认为这将为数据选择与准备提供重要见解。
引用
@article{arxiv.2307.04101,
title = {Enhancing Building Semantic Segmentation Accuracy with Super Resolution and Deep Learning: Investigating the Impact of Spatial Resolution on Various Datasets},
author = {Zhiling Guo and Xiaodan Shi and Haoran Zhang and Dou Huang and Xiaoya Song and Jinyue Yan and Ryosuke Shibasaki},
journal= {arXiv preprint arXiv:2307.04101},
year = {2023}
}