基于改进Mask-RCNN的遥感影像建筑物提取

• 作者: 乔星星 何代毅 刘芫汐 施文灶 林志斌 林耀辉
• 来源期刊: 计算机系统应用
• 关键词: 建筑物提取 Mask-RCNN PyTorch 实例分割
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 156-163
• 页数: 8页
• 字数: 5386字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007484

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.