基于改进Mask-RCNN的遥感影像建筑物提取

作     者：何代毅 施文灶 林志斌 乔星星 刘芫汐 林耀辉 HE Dai-Yi;SHI Wen-Zao;LIN Zhi-Bin;QIAO Xing-Xing;LIU Yuan-Xi;LIN Yao-Hui

作者机构：福建师范大学福建省光电传感应用工程技术研究中心福州350117 福建师范大学医学光电科学与技术教育部重点实验室福州350007 福建师范大学福建省光子技术重点实验室福州350007 

基　　金：国家自然科学基金青年基金(41701491) 福建省自然科学基金面上项目(2017J01464,2018J01619) 

出 版 物：《计算机系统应用》 (Computer Systems & Applications)

年 卷 期：2020年第29卷第9期

页      码：156-163页

摘      要：由于遥感影像中建筑物种类繁多且与周围环境信息混淆,传统方法难以实现建筑物的准确高效提取.本文提出了一种基于改进Mask-RCNN的建筑物自动提取方法,利用PyTorch深度学习框架搭建改进Mask-RCNN网络模型架构,在网络的设计中添加了路径聚合网络和特征增强功能,通过监督和迁移学习的方式对Inria航空影像标签数据集进行多线程迭代训练与模型优化学习,实现了建筑物的自动精确分割和提取.基于不同开源数据集,分别与SVM、FCN、U-net和Mask-RCNN等建筑物提取算法进行对比,实验表明,本文方法可以高效准确、高效地提取建筑物,对于同一个数据集,提取结果的mAP、mRecall、mPrecision和F1分数这4个评价指标均优于对比算法.

主 题 词：建筑物提取 Mask-RCNN PyTorch 实例分割 

学科分类：0810[工学-土木类] 08[工学] 081601[081601] 0816[工学-纺织类] 081002[081002] 

D　O　I：10.15888/j.cnki.csa.007484

馆 藏 号：203978995...