Mar, 2024

RSBuilding: 通向通用遥感图像建筑目标提取和变化检测的基础模型

PDF
TL;DR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。
intelligent interpretationbuilding extractionchange detectionremote sensing imagecross-scene generalization
发现论文，激发创造
  • 分割任意建筑物

    利用不同数据集和先进的表示学习模型在遥感图像中对建筑物进行识别和分割的研究表明，通过融合各种数据集，我们扩大了学习资源的范围，在多个数据集上取得了可观的性能。我们的创新联合训练过程在城市规划、灾害管理和环境监测等关键领域展示了我们方法的价值，结合数据集融合技术和预训练模型的方法为建筑物分割任务树立了新的先例。此研究的结果为未来的探索奠定了基础，并显示了在建筑物分割领域中创新应用的潜在前景。

    Oct, 2023

  • 全球卫星图像建筑物检测

    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

  • BCE-Net：基于对比学习的可靠历史地图和最新图像建筑物足迹变化提取

    本研究开发了对比学习方法，将历史建筑物的印记与单个最新的遥感图像进行验证，以注入建筑物的语义信息并增加其特征可辨度，避免因季节性变化和建筑立面倾斜等因素产生的伪变化，并利用可变形卷积神经网络减少历史建筑多边形与最新图像中建筑不一致的影响，识别新建和拆除的建筑物。在 Wuhan University 建筑变化检测数据集和自建的 SI-BU 数据集上，本方法分别获得了 93.99％和 70.74％的 F1 分数，并且在与该领域最先进的算法文章相同的数据集测试中，本方法表现出更好的性能。

    Apr, 2023

  • 远程感知图像变化检索与标注的多模态框架

    在多模态应用中，我们提出了一种创新的基于对比学习的模型，并利用 RS 数据集进行双时序遥感图像对的变化检测分析，实现了文本 - 图像检索功能。

    Jun, 2024

  • RS-DFM：一种用于多样化下游任务的遥感分布式基础模型

    提出了一种基于广义信息映射和交互的远程感知分布式基础模型（RS-DFM），可以通过将观测映射到统一空间并实施任务不可知的信息交互策略，实现多平台和各种下游任务的在线协同感知。

    Jun, 2024

  • 构建道路合作从遥感图像中提取

    建筑与道路协同提取方法基于多任务与跨尺度特征交互，通过任务间与尺度间的特征交互利用了建筑与道路之间的互补优势，并自动选择不同任务的最佳感知范围，实现了卓越的建筑道路提取性能和效率。

    Jul, 2023

  • 基于单目遥感影像的多级监督的三维建筑重建

    提出了一种适用于大规模交叉城市场景的多级监督建筑重建网络 (MLS-BRN)，旨在通过灵活利用带有不同注释级别的训练样本，在端到端的方式下实现更好的重建结果。实验证明，相较于现有的最先进方法，所提出的 MLS-BRN 在使用更少的三维注释样本的情况下能够达到有竞争力的性能，并显著提高了足迹提取和三维重建的性能。

    Apr, 2024

  • 航拍卫星影像中的新型建筑物检测与位置智能收集

    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

  • 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

    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

  • 多任务深度学习用于高分辨率卫星图像中的大规模建筑细节提取

    为了理解城市动态并促进可持续发展，我们引入了适用于从高分辨率卫星图像中同时提取空间和属性建筑细节的多任务建筑细化器（MT-BR），通过我们的采样方法训练的网络在预测准确性方面相对其他采样方法表现出改进，而 MT-BR 则在提取建筑细节方面始终优于其他先进方法，将在上海的应用中展示其实际可行性。

    Oct, 2023