基于U型卷积神经网络的航空影像建筑物检测

• 作者: Ryosuke SHIBASAKI 伍广明 许永伟 邵肖伟 郭直灵 陈奇
• 来源期刊: 测绘学报
• 学科: 地球科学
• 关键词: 航空影像 建筑物检测 卷积神经网络 U型卷积网络 特征金字塔
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 数字摄影测量与深度学习方法
• 页码范围: 864-872
• 页数: 9页
• 分类号: P237
• 字数: 5312字
• 语种: 中文

摘要

经典的卷积神经网络结构在前向传播过程中分辨率不断下降,导致仅采用末层特征时难以实现建筑物边缘的精确分割,进而限制目标检测精度.针对该问题,提出一种基于U型卷积网络的建筑物检测方法.首先借鉴在图像分割领域中性能出色的神经网络模型U-Net的建模思想,采用对称式的网络结构融合深度网络中的高维和低维特征以恢复高保真边界;其次考虑到经典U-Net对位于特征金字塔顶层的模型参数优化程度相对不足,通过在顶层和底层两个不同尺度输出预测结果进行双重约束,进一步提升了建筑物检测精度.在覆盖范围达30 km2、建筑物目标28 000余个的航空影像数据集上的试验结果表明,本文方法的检测结果在IoU和Kappa两项关键评价指标的均值上分别达到83.7％和89.5％,优于经典U-Net模型,显著优于经典全卷积网络模型和基于人工设计特征的AdaBoost模型.