May, 2024

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

PDF
TL;DR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。
buildingsurbanizationremote-sensing datafunction identificationsemi-supervised framework
发现论文，激发创造
  • 利用遥感图像和多语义信息进行城市功能区检测的多模态学习

    我们提出了一种端到端多模态深度学习算法，用于检测利用遥感图像和多语义参考信息的城市感兴趣区域围栏多边形，通过融合动态人类流动性和物流地址信息的级联模块来评估其时效性。实验结果表明，我们的算法明显优于两种现有方法。

    Jan, 2024

  • 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

  • 利用街景图像构建实例分类

    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

  • 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

  • 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

  • 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

  • 利用卷积网络和卫星图像在大范围内识别城市环境模式

    利用遥感技术和深度卷积神经网络，分析大规模卫星图像数据中的城市土地利用模式，并提供数据集以供遥感应用的机器学习研究人员使用。

    Apr, 2017

  • 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

    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

  • 世界功能地图

    介绍了一个新的数据集，称为 “世界功能地图（fMoW）”，旨在激发机器学习模型的开发，从卫星图像的时间序列和丰富的元数据特征中预测建筑物和土地用途的功能目的。

    Nov, 2017

  • 基于 Sentinel 数据，以 10 米分辨率估算建筑物高度

    通过结合 Sentinel-1 的 SAR 数据、Sentinel-2 的光学数据和建筑物轮廓提供的形状数据，本研究建立了一套空间 - 光谱 - 时间特征数据库，提取这些特征并建立了基于随机森林模型的建筑物高度模型，通过模型集成方法和 Lidar 数据的验证，实现了高分辨率建筑物高度数据的快速生成。

    May, 2024