针对高分辨率卫星影像中窄巷 Rural Road 检测的 Reverse Refinement Network
计算机视觉与模式识别
2024-10-15 v1
摘要
农村道路的自动提取是农村发展和交通规划的关键，是社会经济发展的基石。当前研究主要聚焦城市道路提取。然而，农村道路具有窄长且形态不规则的独特挑战，对道路提取构成重大难度。本文提出一种逆向细化网络 (R2-Net) 用于提取窄巷 Rural Road，增强其连接性和与背景的区分性。具体而言，为保留高分辨率特征图中道路的细节，R2-Net 采用轴 context aware 模块 (ACAM) 捕获 various layers 中的长程空间 context 信息。随后，通过全局聚合模块 (GAM) 聚合多层特征。此外，在解码器阶段，R2-Net 采用逆向感知模块 (RAM) 将网络注意力引导至复杂背景，从而放大其可分离性。实验中，我们使用 DeepGlobe 道路提取数据集和 WHU-RuR+ 全球大规模农村道路数据集与几个最新方法进行比较。R2-Net 在各项指标上均取得优异成绩，尤其在准确检测窄道路方面表现突出。此外，我们探讨了 R2-Net 在大规模农村道路制图中的适用性。结果表明，所提出的 R2-Net 在大规模农村道路制图应用中具有显著的性能优势。
引用
@article{arxiv.2410.10389,
title = {Reverse Refinement Network for Narrow Rural Road Detection in High-Resolution Satellite Imagery},
author = {Ningjing Wang and Xinyu Wang and Yang Pan and Wanqiang Yao and Yanfei Zhong},
journal= {arXiv preprint arXiv:2410.10389},
year = {2024}
}