Nov, 2023

TFNet：邻域像素聚合的调谐叉子网络用于改进建筑物轮廓提取

PDF
TL;DR本文提出了一种针对卫星图像的建筑物轮廓提取问题的解决方案，即通过使用深度学习中的新型网络架构 TFNet 以及在训练过程中引入邻域信息的方法，有效地提高了建筑物轮廓提取的准确性和性能。
发现论文，激发创造
  • 使用图卷积网络提取建筑物轮廓

    本文提出一种利用图卷积网络解决卫星图像中建筑物轮廓提取精确性问题的端到端框架，相对于现有方法有更好的表现。

    May, 2023

  • MAP-Net: 多注意力路径神经网络用于遥感影像建筑物轮廓提取

    本文提出了一种新的多路径并行卷积神经网络（MAP-Net）用于从遥感影像中精确提取多尺度建筑物轮廓和精确边界，通过注意力模块和金字塔空间池化模块来学习保持空间本地化的多尺度特征和优化建筑物轮廓，实验表明 MAP-Net 在边界定位精度和大建筑物连续性方面优于现有算法。

    Oct, 2019

  • ESFNet：用于从高分辨率航空影像中提取建筑物的高效网络

    本篇论文提出了一种基于 ESFNet 的高效神经网络模型，它采用了可分离的因式残差块和扩张卷积，旨在在保持轻微准确性损失的同时降低计算成本和内存消耗，取得了更好的准确性和效率平衡。

    Mar, 2019

  • 通过渐进宽松监督加快高分辨率遥感影像中的建筑物轮廓分割

    通过提出基于密集连接的粗细特征融合解码器网络以及宽容的深度监督和蒸馏策略，提高了当前建筑物分割网络的学习效率和有效性，超越先前的工作并在各种新开发的编码器网络上展现出卓越的性能和效率。

    Jul, 2023

  • 基于深度神经网络的建筑轮廓分割多任务学习

    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

  • SuperpixelGraph: 基于语义感知的超像素和神经图网络的半自动建筑物轮廓生成

    提出了一种基于语义感知超像素和神经图网络的半自动建筑物足迹提取方法，该方法利用全局超像素图和图神经网络模型进行建筑物分割，消除了修改多边形定点的必要性，并通过实验验证取得了较高精度和效率。

    Apr, 2023

  • 利用超分辨率和帧场学习在密集区域中进行建筑物轮廓提取

    通过使用超分辨率和多任务学习的方法，本文提出了一种解决在密集区域中准确提取建筑物轮廓的框架，并通过实验证明该方法在模拟密集区域的区域中显著优于现有的方法。

    Sep, 2023

  • 使用卷积神经网络进行大规模建筑物提取：美国地图绘制

    通过采用分支卷积神经网络、全卷积神经网络、条件随机场作为循环神经网络以及 SegNet 四种卷积神经网络体系结构，对美国整个大陆分类提取建筑物轮廓线，将符号距离标签与 SegNet 结合，改进了建筑物轮廓线的提取结果并提出了融合近红外信息的建筑物整体提取框架，同时比较了精度、召回率、并集交集以及提取建筑物的数量等指标。

    May, 2018

  • FloorNet: 三维扫描的平面图重建统一框架

    本研究旨在通过智能手机，利用深度神经网络技术重建室内地图，提出了线上勘测算法 FloorNet 核心思路，即将 RGBD 流图像数据分别经过三个大的神经网络模块来提取特征并同时考虑 3D 与 2D 空间信息，这种方法能够有效提高室内平面图的重建准确性。

    Mar, 2018

  • 自动化国家城市地图提取

    使用地球观测和深度学习方法，该论文旨在充分利用完全卷积神经网络来实现多类建筑物实例分割，以实现相对较高的像素度量分数，进而在缺乏适当城市规划的地区实现密集区域和贫民窟地区的高准确性结果，并以黎巴嫩为案例，成功产生了首个包含约 100 万个单位且准确率达 84% 的综合性国家建筑物足迹地图。

    Apr, 2024