从非正射航空影像中学习提取建筑物底面
计算机视觉与模式识别
2022-04-29 v1
摘要
从航空影像中提取建筑物底面对于使用摄影测量计算机视觉技术进行精确城市制图至关重要。现有方法主要假设建筑物的屋顶与底面充分重叠，而在非正射航空影像中这往往不成立，因为两者之间通常存在较大偏移。本文中，我们提出了一种偏移向量学习方案，将非正射影像中的建筑物底面提取问题转化为建筑物屋顶及其对应“屋顶到底面”偏移向量的实例级联合预测问题。因此，可根据预测的偏移向量平移预测的屋顶掩膜来估算底面。我们进一步提出了一种简单而有效的特征级偏移增强模块，能以极小的额外代价显著细化偏移向量预测。此外，本文创建并发布了一个新数据集——非正射航空影像中的建筑物（BONAI）。它包含 3,300 张航空影像中的 268,958 个建筑物实例，每个建筑物均具有完全标注的实例级屋顶、底面及对应偏移向量。在 BONAI 数据集上的实验表明，我们的方法达到了最先进水平，在 F1 分数上超越其他对比方法 3.37 至 7.39 个点。代码、数据集和训练好的模型可在 https://github.com/jwwangchn/BONAI.git 获取。
引用
@article{arxiv.2204.13637,
title = {Learning to Extract Building Footprints from Off-Nadir Aerial Images},
author = {Jinwang Wang and Lingxuan Meng and Weijia Li and Wen Yang and Lei Yu and Gui-Song Xia},
journal= {arXiv preprint arXiv:2204.13637},
year = {2022}
}