paper:HA U-Net: Improved Model for Building Extraction From High Resolution Remote Sensing Imagery
文章目录
前言
语义分割在基于高分影像的建筑提取中不能区分不同的建筑个体,因为在建筑密集区其通常将同一个类的对象紧密地打包成一个连接的组件,即使是优秀的语义分割网络模型也不可避免地会产生这样的结果。而实例分割可以较好地解决这个问题,精准到建筑个体的分割结果在绘制地图、城市规划以及人口估计中将会大有可为。开源代码提供了HA-UNet的pytorch实现。
要解决的问题
- 目前,在基于深度学习技术对高分遥感影像进行建筑提取的研究中,通常是将其归类为二分类的任务,即将所有的像素视为建筑和非建筑这两类,而对网络模型区分建筑物个体