PaRK-Detect：基于块级关键点检测的高效多任务卫星影像道路提取
计算机视觉与模式识别
2023-02-28 v1
摘要
从卫星影像中自动提取道路是遥感领域一项基础但具有挑战性的计算机视觉任务。基于像素级语义分割的方法和基于图的方法是两种主流方案。然而，已有工作存在不足：基于语义分割的方法生成的道路图连通性较差，而采用迭代探索范式且感受野较小的基于图的方法更关注局部信息且耗时较长。本文提出一种用于多任务卫星影像道路提取的新方案——块级道路关键点检测（PaRK-Detect）。我们的框架构建于 D-LinkNet 架构之上并采用关键点检测结构，在单次前向传播中预测块级道路关键点的位置及其之间的邻接关系以构建道路图。同时，该多任务框架还执行像素级语义分割并生成道路分割掩码。我们在 DeepGlobe、Massachusetts Roads 和 RoadTracer 数据集上将所提方法与现有 SOTA 方法进行比较，取得了有竞争力或更优的结果。我们还展示了在推理速度上的显著优势。
引用
@article{arxiv.2302.13263,
title = {PaRK-Detect: Towards Efficient Multi-Task Satellite Imagery Road Extraction via Patch-Wise Keypoints Detection},
author = {Shenwei Xie and Wanfeng Zheng and Zhenglin Xian and Junli Yang and Chuang Zhang and Ming Wu},
journal= {arXiv preprint arXiv:2302.13263},
year = {2023}
}
备注
Accepted at BMVC 2022 (Oral). 13 pages, 5 figures. https://bmvc2022.mpi-inf.mpg.de/381/