面向道路提取的层次化结构感知图神经网络
计算机视觉与模式识别
2024-07-09 v2
摘要
卷积神经网络(CNN)在从卫星图像中检测道路方面取得了显著进展。然而，现有 CNN 方法通常是改编的语义分割架构，导致长曲线区域的边界检测不佳。缺乏整体道路拓扑和结构信息进一步恶化了在挑战性遥感图像上的性能。本文提出一种新型多任务图神经网络(GNN)，同时检测道路区域和道路边界；两种任务之间的相互作用从两个角度提升了性能：（1）层次化检测的道路边界使网络能够捕获和编码整体道路结构以增强道路连通性；（2）识别语义土地覆盖区域之间的内在相关性，有助于降低受相似外观区域扰动的道路识别难度。在挑战性数据集上的实验表明，所提出的架构在道路边界描绘和道路提取精度方面优于现有方法。
引用
@article{arxiv.2407.02639,
title = {Holistically-Nested Structure-Aware Graph Neural Network for Road Extraction},
author = {Tinghuai Wang and Guangming Wang and Kuan Eeik Tan},
journal= {arXiv preprint arXiv:2407.02639},
year = {2024}
}