首页|膨胀卷积与金字塔表达的深度学习模型用于农村建筑物提取

膨胀卷积与金字塔表达的深度学习模型用于农村建筑物提取

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
由于农村建筑物结构多样、空间分布复杂等特征,自动提取面临较多困难.针对该问题,本文提出采用膨胀卷积和金字塔池化表达的神经网络模型用于遥感影像中农村建筑物自动提取.在膨胀卷积神经网络模块中,通过改变孔尺寸的大小,获取不同感受野的特征信息;在金字塔表达方面,每个模块输入不同尺度的信息,且同时下采样的倍率也不同,获取多维的金字塔尺度特征;最终将提取的浅层及深层尺度特征信息进行融合,构建一个改进的适用于农村建筑物目标自动提取的深度学习模型.试验结果表明,与FCN-8s和DeepLab模型提取的结果相比,本文方法在农村建筑物提取中表现较好的性能,提取精度明显提高,且更好保留了目标边界细节信息,减少了噪声.
Rural buildings extraction based on deep learning model with dilated convolution and pyramid representation

王雪、梁珂、隋立春、钟棉卿、朱剑锋

展开 >

咸阳师范学院,陕西 咸阳712000

自然资源部第一大地测量队,陕西 西安710054

长安大学地质工程与测绘学院,陕西 西安710054

陕西省地理空间信息工程技术研究中心,陕西 西安710199

展开 >

深度学习 膨胀卷积 金字塔表达 农村建筑物提取 遥感影像

陕西省科技厅青年项目咸阳师范学院科研项目

2021JQ-819XSYK20013

2022

测绘通报
测绘出版社

测绘通报

CSTPCDCSCD北大核心
影响因子：1.027
ISSN：0494-0911
年,卷(期)：2022.(4)
  • 3
  • 6