基于深度残差 U-Net 的道路提取
计算机视觉与模式识别
2018-05-23 v1
摘要
从航拍图像中提取道路一直是遥感图像分析领域的热门研究课题。在本快报中，提出了一种结合残差学习与 U-Net 优势用于道路区域提取的语义分割神经网络。该网络由残差单元构建，并具有与 U-Net 相似的架构。该模型的益处有两方面：首先，残差单元简化了深度网络的训练。其次，网络内丰富的跳跃连接可促进信息传播，使我们能用更少的参数设计性能更优的网络。我们在公开道路数据集上测试了我们的网络，并与 U-Net 及其他两种基于深度学习的先进道路提取方法进行比较。所提方法优于所有对比方法，证明了其相对于近期开发的先进方法的优越性。
引用
@article{arxiv.1711.10684,
title = {Road Extraction by Deep Residual U-Net},
author = {Zhengxin Zhang and Qingjie Liu and Yunhong Wang},
journal= {arXiv preprint arXiv:1711.10684},
year = {2018}
}
备注
Submitted to IEEE Geoscience and Remote Sensing Letters