多尺度特征增强的ResUNet+遥感影像建筑物提取
Laser & Optoelectronics Progress（2022）
摘要
针对ResUNet网络从遥感影像中提取小型和不规则建筑物时存在分割精度低和边界粗糙的问题,提出一种多尺度特征增强的残差U形网络ResUNet+.该网络以ResUNet网络结构为基础,在编码器内添加特征压缩激活模块以提升网络对有效特征的学习能力,在编码网络的最后一层使用空洞空间金字塔池化模块来获取不同尺度的建筑物上下文信息.在两个广泛公开使用的WHU航空图像数据集和INRIA建筑数据集上进行实验,并将其与SE-UNet、DeepLabv3+、DenseASPP和ResUNet语义分割网络进行对比.实验结果表明,ResUNet+在精确率、召回率和F1分数3项精度指标中均表现最优,对测试影像中大小各异和形状不规则的建筑物具有更精确的分割结果.
更多查看译文
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要