基于倾斜角点的多边形建筑分割方法
计算机视觉与模式识别
2024-07-18 v1
摘要
随着对高分辨率地图需求的增长，准确地从遥感影像中分割出建筑物矢量数据变得尤为重要。然而，当前的深度神经网络常常产生栅格数据输出，导致需要大量后处理，影响建筑表示的保真度、规则性和简洁性。为此，本文提出了一种名为 OriCornerNet 的新型深度卷积神经网络，直接从输入图像中提取轮廓明确的建筑多边形。具体而言，我们的方法涉及一个深度模型，预测建筑面积掩码、角点和指示相邻角点方向的方向向量。这些预测随后用于重建初始多边形，然后通过图卷积网络进行迭代细化，后者利用语义和几何特征。该方法在初始化细化过程中天然地生成简化后的多边形。此外，包含来自倾斜角点的几何信息有助于产生更规则、更准确的结果。在 SpaceNet Vegas 和 CrowdAI-small 数据集上的性能评估表明，我们的方法在从遥感影像中进行建筑分割方面具有相当竞争力的效果。
引用
@article{arxiv.2407.12256,
title = {Enhancing Polygonal Building Segmentation via Oriented Corners},
author = {Mohammad Moein Sheikholeslami and Muhammad Kamran and Andreas Wichmann and Gunho Sohn},
journal= {arXiv preprint arXiv:2407.12256},
year = {2024}
}
备注
5 Pages, 4 Figures