遥感技术与应用2023，Vol.38Issue(1) ：190-199.DOI:10.11873/j.issn.1004-0323.2023.1.0190

轻量化卷积神经网络遥感影像建筑物提取模型

Lightweight Fully Convolutional Neural Network based Remote Sensing Image Building Extraction Model

宋佳 徐慧窈 高少华 马晨燕 诸云强
遥感技术与应用2023，Vol.38Issue(1) ：190-199.DOI:10.11873/j.issn.1004-0323.2023.1.0190
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

轻量化卷积神经网络遥感影像建筑物提取模型

Lightweight Fully Convolutional Neural Network based Remote Sensing Image Building Extraction Model

宋佳 1徐慧窈 2高少华 3马晨燕 3诸云强1
扫码查看

作者信息

  • 1. 中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室,北京 100101
  • 2. 中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室,北京 100101;中国科学院大学资源与环境学院,北京 100049
  • 3. 武汉大学资源与环境科学学院,湖北武汉 430072
  • 折叠

摘要

遥感影像中的建筑物是城市大数据采集、分析的重要来源.大规模、高精度的遥感影像建筑物提取模型对智慧城市时空大数据建设、推动城市智能计算具有重要意义.当前建筑物提取模型通常利用大型卷积神经网络模型或多种网络模型串联,并辅以其他边界细化算法来提高建筑物提取的精度.但是,网络模型的大型化、复杂化对计算资源消耗高,需要更多的训练时间或算力,不利于大规模快速的网络模型训练预测及在便携式等终端设备上部署应用.因此,研究面向大规模快速的遥感影像建筑物提取,提出一种轻量化全卷积神经网络模型和特征融合方案,模型参数较轻量化前减少约40％,GPU内存占用下降33.61％,平均训练时间和预测时间分别下降32.40％和26.31％.融合后的模型在公开数据集测试得到的MIoU精度在74.14％左右,达到了保证高精度建筑物提取前提下模型轻量化的预期.

关键词

全卷积神经网络/建筑物/残差网络/特征融合/轻量化

引用本文复制引用

基金项目

国家重点研发项目(2022YFF0711602)

中国科学院网络安全和信息化专项应用示范项目(CAS-WX2021SF-0106)

出版年

2023
遥感技术与应用
中国科学院遥感联合中心

遥感技术与应用

CSTPCDCSCD北大核心
影响因子：0.961
ISSN：1004-0323
参考文献量8
段落导航相关论文