-
题名基于DDPM的遥感建筑轮廓数据增强方法
- 1
-
-
作者
马孝冬
朱灵杰
解则晓
高翔
-
机构
中国海洋大学工程学院
杭州新生纪智能科技有限公司
中国科学院自动化研究所
-
出处
《现代电子技术》
北大核心
2024年第21期106-112,共7页
-
基金
国家自然科学基金面上项目(62373349)
国家自然科学基金面上项目(42076192)。
-
文摘
针对现有真实场景遥感建筑轮廓数据集存在数据丰富度有限、复杂形状数据样本量少,影响模型性能等问题,文中提出一种基于扩散模型的有限遥感数据增强方法,对合成数据和真实数据进行训练,从而得到形状更加丰富的建筑物数据,扩充建筑物数据的多样性。首先,使用扩散模型DDPM对合成建筑数据和真实场景数据训练集进行训练,生成大量与真实数据分布更接近、形状更多样的数据;然后,使用基于Transformer改进的轮廓提取模型在合成数据集上进行预训练;最后,在真实数据集上进行建筑物轮廓提取。实验结果表明:使用预训练模型训练与未使用预训练模型相比,在交并比、顶点检测精确率、顶点检测召回率、顶点检测F1分数、角度预测精确率、角度预测召回率、角度预测F1分数上分别提升了1.7%、2.4%、2.5%、2.5%、7.3%、8.2%、7.7%,表明在大规模合成数据上预训练有助于提升建筑物轮廓提取模型在真实数据上的表现;同时使用1.2×10^(5)合成数据预训练比2.4×10^(4)合成数据预训练在上述指标上提升0.8%、0.9%、1.3%、1.1%、1.1%、0.7%、0.9%,验证了预训练数据量增加对模型性能提升的有效性。
-
关键词
遥感数据
合成数据
建筑物轮廓提取
数据生成
数据增强
扩散模型
-
Keywords
remote sensing data
synthetic data
building contour extraction
data generation
data augmentation
diffusion model
-
分类号
TN911-34
[电子电信—通信与信息系统]
TP751.1
[自动化与计算机技术—检测技术与自动化装置]
-
