航拍图像跨数据域特征迁移道路提取方法

• 作者: 慕晓冬 杨东方 王舒洋 贺浩 马晨晖
• 来源期刊: 测绘学报
• 学科: 地球科学
• 关键词: 道路提取 遥感 迁移学习 深度学习 生成对抗网络 编解码网络
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 摄影测量学与遥感
• 页码范围: 611-621
• 页数: 11页
• 分类号: P237
• 字数: 5931字
• 语种: 中文

摘要

针对传统道路提取方法应用于新数据泛化能力不足的问题,研究了通过特征迁移和编解码网络实现跨数据域的道路提取方法.首先,构建了基于编解码网络的道路提取基本模型,用于实现单一数据来源的道路提取任务.然后,基于道路提取网络结构和循环一致性原则,提出了用于跨数据域图像特征迁移的循环生成对抗网络,使目标域图像映射入源域特征空间.使用预训练的道路提取模型处理特征迁移后的目标域图像,即可实现跨数据域道路提取任务.试验结果表明,本文所提方法能够拓展道路提取网络的泛化能力,准确有效地提取跨数据域图像中的道路目标.相较于未特征迁移的结果,本文所提方法大幅改善了道路提取指标,使得F1提升了50％以上.本文方法不需要目标域的标注信息,也不需要对道路提取网络进行微调训练,而只需训练由目标域向源域的特征迁移模型,所耗时间和人力成本较低,因而具有良好的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	慕晓冬	火箭军工程大学作战保障学院	18	104	5.0	10.0
2	杨东方	火箭军工程大学导弹工程学院	11	24	3.0	4.0
3	王舒洋	火箭军工程大学作战保障学院	7	21	3.0	4.0
4	贺浩	火箭军工程大学导弹工程学院	4	11	1.0	3.0
5	马晨晖	火箭军工程大学作战保障学院	2	6	1.0	2.0