基于卷积神经网络的城市区域全球尺度超高分辨率土地覆盖制图
图像与视频处理
2020-09-01 v1 计算机视觉与模式识别
机器学习
摘要
本文描述了一种利用超高分辨率图像和有限含噪标注数据制作城市区域7类土地覆盖图的方法。目标是利用20cm航空图像和数字高程模型，对大面积区域（一个法国省）制作包含以下类别的分割图：沥青、裸土、建筑、草地、矿物材料（可渗透人工化区域）、森林和水体。我们在少数感兴趣区域创建了训练数据集，通过聚合数据库、半自动分类和人工标注，在每个类别中获得完整的地面真值。本文比较了不同的编码器-解码器架构（U-Net、带 Resnet 编码器的 U-Net、Deeplab v3+）以及不同的损失函数。最终成果是一张极具价值的土地覆盖图，由模型预测结果拼接、二值化和细化后进行矢量化计算得出。
引用
@article{arxiv.2005.05652,
title = {Very High Resolution Land Cover Mapping of Urban Areas at Global Scale with Convolutional Neural Networks},
author = {Thomas Tilak and Arnaud Braun and David Chandler and Nicolas David and Sylvain Galopin and Amélie Lombard and Michaël Michaud and Camille Parisel and Matthieu Porte and Marjorie Robert},
journal= {arXiv preprint arXiv:2005.05652},
year = {2020}
}
备注
8 pages, 14 figures, ISPRS Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences