本文研究了高分辨率遥感卫星图像中像素级预测方法的挑战,提出了一种新的级联多任务损失来保留语义分割边界。结果表明,不需要额外的后处理步骤,我们的方法在 Inria 航空图像标注数据集上优于现有技术 8.3%。
Sep, 2017
提出了一种综合的遥感图像建筑理解模型,具有跨场景泛化和任务普适性,可以同时处理建筑提取和变化检测等两个结构不同的任务,并展现出鲁棒的零样本推广能力。
Mar, 2024
本文提出了一种半监督框架,利用多模态遥感数据在大规模城市区域中识别每个建筑物的功能。研究结果表明,在中国上海的 1,616,796 座建筑中,所生成的功能地图实现了 82% 的 OA 和 71% 的 Kappa,具有支持大规模城市管理和可持续城市发展的潜力。
May, 2024
RescueNet 是一个集成模型,采用了局部相关的二进制交叉熵损失函数来同时分割建筑和评估破坏水平,该模型可以进行端到端的训练,并获得比现有方法更好的性能,它可以在各种地理区域和灾难类型下实现通用。
Apr, 2020
利用遥感技术的建筑物检测创建人口密度地图,包括数据采集、半监督方法等解决策略。
Jul, 2017
本研究提出了一个基于卷积神经网络可快速分割洪水淹没建筑的新方法,并结合多分辨率、多传感器、多时相卫星图像,本方法迅速生成卫星图像洪水地图,有助于应对洪水事件的早期响应;同时,通过结合多时相信息,本方法也能用于快速而精确的灾后伤害评估,并可帮助政府更好地协调中长期的财政援助计划。我们还将我们基于编码器 - 解码器结构的多流视频数据融合方法与其他现有研究进行了比较,并证明了它的性能更佳。此外,我们还发布了一个全面预处理和标记的多分辨率和多时相卫星图像灾害数据集以及我们的源代码。
Dec, 2018
本文提出了一种基于卷积神经网络分类个别建筑物功能的方法,该方法利用了遥感图像和街景图像,使用开源地图系统来获取地理信息,并利用创建的基准数据集在加拿大和美国的多个城市进行训练和评估。
Feb, 2018
我们提出了一个有效的框架来实现对高分辨率光学卫星图像中个别建筑物的语义解释,通过采用领域自适应预训练策略和复合双支干,以及新的数据增强流程、随机权重平均训练和基于实例分割的模型集成,实现了额外的性能提升。值得注意的是,我们还探讨了光学卫星图像和 SAR 数据的多模态数据融合的潜力。
Aug, 2023
本论文针对从高分辨率遥感图像中提取建筑物轮廓的语义分割技术,在城市规划等多领域得到广泛应用。为了满足大规模建筑物提取的需求,我们构建了一个全球建筑物语义分割(GBSS)数据集,包括来自六大洲的 116.9k 对样本(约 742k 座建筑物)。该数据集中的建筑物样本在大小和风格上存在显著变化,因此可以作为评估建筑物语义分割模型的泛化能力和鲁棒性的更具挑战性的基准。通过定量和定性比较不同数据集,我们验证了该数据集的潜在应用于迁移学习领域,并在子集上进行了实验以进一步确认其潜力。
Jan, 2024
利用航拍图像进行城市规划和管理,需要对建筑物进行检测和信息提取,并聚类分类,以便回答重要问题,如地震疏散路线规划、洪涝管理等。
Feb, 2023