-
题名基于改进UNet网络的遥感影像建筑物提取
被引量：3
- 1
-
-
作者
吴锋振
杨德宏
李俊
何万才
邓云龙
-
机构
昆明理工大学国土资源工程学院
智慧矿山地理空间信息集成创新重点实验室
云南省高校自然资源空间信息集成与应用科技创新团队
-
出处
《城市勘测》
2023年第5期99-105,共7页
-
文摘
针对卷积神经网络在高分辨率遥感影像建筑物提取中存在边缘模糊和建筑物空洞等问题,提出一种结合似空间注意力模块UNet网络用于建筑物提取。为验证网络的有效性和适用性,分别在WHU和AIRS数据集上进行实验,并将其与FCN-8S、SegNet和UNet进行对比。实验结果表明,在WHU建筑物数据集上,精确率达94.12%,交并比达91.74%,与其他三个网络相比,各项评价指标有一定程度提升,在模型参数量和每轮次运行时间增加的可接受范围内,表现出良好分割性能,验证提出方法的有效性;在AIRS数据集上,交并比、精确率分别为90.40%、90.22%,除F1分数比FCN-8S略低外,其他指标也存在优势,验证方法的适用性。
-
关键词
卷积神经网络
建筑物提取
UNet
似注意力模块
特征校正
-
Keywords
convolutional neural ntwork
building extraction
UNet
spatial-like attention module
feature correction
-
分类号
TP751.1
[自动化与计算机技术—检测技术与自动化装置]
-
