融合分散自适应注意力机制的多尺度遥感影像建筑物实例细化提取EI北大核心CSCD |
| |
引用本文: | 江宝得,黄威,许少芬,巫勇.融合分散自适应注意力机制的多尺度遥感影像建筑物实例细化提取EI北大核心CSCD[J].测绘学报,2023(9):1504-1514. |
| |
作者姓名: | 江宝得 黄威 许少芬 巫勇 |
| |
作者单位: | 1. 中国地质大学(武汉)计算机学院;2. 中国地质大学(武汉)国家地理信息系统工程技术研究中心 |
| |
基金项目: | 国家自然科学基金(42171408)~~; |
| |
摘 要: | 遥感影像建筑物准确、高效的自动提取方法有着广泛的用途。针对现有遥感影像建筑物提取方法难以兼顾不同大小的建筑物,导致小尺度建筑物不同程度上漏检及提取的建筑物轮廓边界模糊等问题,本文提出一种融合分散自适应注意力机制的多尺度遥感影像建筑物实例细化提取方法(MBRef-CNN)。首先采用融合分散自适应注意力机制的遥感影像多尺度特征提取网络(SA-FPN)学习多尺度建筑物的特征,然后利用区域候选网络(RPN)预测单个建筑物实例的目标框位置,最后使用边界细化网络(BndRN)迭代获取精确的建筑物掩膜。在WHU aerial imagery dataset数据集上,通过与现有主流方法进行对比试验表明,本文方法的建筑物掩膜提取精确度比其他表现优秀的主流分割算法更高,在多尺度的建筑物提取上表现出良好的综合性能,且在小尺度的建筑物提取上具有明显的精度优势。
|
关 键 词: | 建筑物细化提取 分散注意力网络 自适应注意力机制 多尺度 遥感影像 深度学习 |
本文献已被 维普 等数据库收录! |
|