基于图神经网络从俯视图像中提取道路
计算机视觉与模式识别
2021-12-13 v1 机器学习
摘要
从航空与卫星图像中自动提取道路图是一项长期存在的挑战。现有算法要么基于像素级分割后矢量化,要么基于使用下一步预测迭代式图构建。这两种策略都存在严重缺陷,特别是计算资源消耗高与输出不完整。相比之下,我们提出一种在单次前向推理中直接推断最终道路图的方法。其核心思想在于结合一个负责定位交点、死端与转弯等兴趣点的全卷积网络,以及一个预测这些点之间连边的图神经网络。该策略比迭代方法更高效,并使我们能够通过去除对起始位置生成的需求来简化训练过程,同时保持端到端训练。我们在流行的 RoadTracer 数据集上将我们的方法与现有工作进行比较并取得了有竞争力的结果。我们还对方法速度进行了基准测试,并显示其优于现有方法。这为嵌入式设备上的在飞行处理开辟了可能。
引用
@article{arxiv.2112.05215,
title = {Road Extraction from Overhead Images with Graph Neural Networks},
author = {Gaetan Bahl and Mehdi Bahri and Florent Lafarge},
journal= {arXiv preprint arXiv:2112.05215},
year = {2021}
}