结合非局部注意和多层残差的遥感图像建筑物提取方法OACSTPCD
Method for Building Extraction from Remote Sensing Images Based on Non-local Attention and Multi-layer Residuals
随着城市化和遥感技术的发展,高分辨率遥感图像地物提取任务也越来越具有挑战性.针对现有的方法无法捕捉图像中长距离的空间关系,以及遥感图像存在误检漏检等问题,提出了结合基于非局部注意力的多层残差遥感图像建筑物提取方法(NAMR-Net).在改进后的U-Net的结构基础上,引入了自适应非局部注意力模块(ANAB),以及多层残差学习模块(MRLB).因此,网络可以从不同的卷积层中融合长距离像素间的特征,并通过2阶段的训练,有效地提升建筑物的分割质量,并在…查看全部>>
With the development of urbanization and remote sensing technology,the tasks of extracting objects from high-resolution remote sensing images have become increasingly challenging.To address the limitation in existing methods,e.g.,the inability to capture long-range spatial relationships and false positives and negatives in remote sensing images,in this paper,a method for building extraction from remote sensing images based on non-local attention and milti-la…查看全部>>
刘炜清;贾赫成
复旦大学 信息科学与工程学院,上海 200433复旦大学 信息科学与工程学院,上海 200433
计算机与自动化
高分辨率遥感图像建筑物提取深度学习残差学习非局部注意力
high resolution remote sensing imagebuilding extractiondeep learningresidual learningnon-local attention
《上海航天（中英文）》 2024 (4)
163-172,10
评论