改进LinkNet的高分辨率遥感影像建筑物提取方法
Science of Surveying and Mapping（2022）
摘要
针对现有的遥感影像建筑物提取方法存在着效率低下、精度不高等问题,该文利用轻量型分割网络LinkNet框架构建出新的建筑物提取全卷积网络.设计三层卷积模块替换LinkNet中的残差层作为新的编码块,有效减少网络参数,加快了网络训练速度;融合增强感受野模块聚合多尺度上下文信息,有利于图像特征细节的恢复,从而提高网络分割精度;综合上述两点构建出基于深度学习的高性能建筑物自动提取网络.在相应建筑物数据集上进行实验结果表明,本文构建的全卷积网络比已有的建筑物提取网络SE-Unet综合预测精度更高,取得82.80％的均交并比和95.99％的召回率,同时,在提取建筑物的完整度、边界分割精度等方面具有较好的效果.
更多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