用于卫星影像自动道路提取的全卷积网络
计算机视觉与模式识别
2018-06-21 v2
摘要
高分辨率卫星影像的分析一直是交通管理、城市规划和道路监测的重要研究课题。其中的问题之一是自动且精确的道路提取。由于存在其他具有直线边缘的类道路特征，从原始影像中提取道路困难且计算代价高。本文提出一种基于U-net家族全卷积神经网络的自动道路提取方法。该网络由在ImageNet上预训练的ResNet-34与改编自原始U-Net的解码器组成。基于验证结果、排行榜及我们的经验，该网络在DEEPGLOBE - CVPR 2018道路提取子挑战赛中表现出优越结果。此外，该网络内存占用适中，仅需一块GTX 1080或1080ti显卡即可完成整体训练，并做出相当快的预测。
引用
@article{arxiv.1806.05182,
title = {Fully Convolutional Network for Automatic Road Extraction from Satellite Imagery},
author = {Alexander V. Buslaev and Selim S. Seferbekov and Vladimir I. Iglovikov and Alexey A. Shvets},
journal= {arXiv preprint arXiv:1806.05182},
year = {2018}
}
备注
arXiv admin note: substantial text overlap with arXiv:1806.03510, arXiv:1804.08024, arXiv:1801.05746, arXiv:1803.01207