轻量化卷积神经网络遥感影像建筑物提取模型

摘要：

遥感影像中的建筑物是城市大数据采集、分析的重要来源.大规模、高精度的遥感影像建筑物提取模型对智慧城市时空大数据建设、推动城市智能计算具有重要意义.当前建筑物提取模型通常利用大型卷积神经网络模型或多种网络模型串联,并辅以其他边界细化算法来提高建筑物提取的精度.但是,网络模型的大型化、复杂化对计算资源消耗高,需要更多的训练时间或算力,不利于大规模快速的网络模型训练预测及在便携式等终端设备上部署应用.因此,研究面向大规模快速的遥感影像建筑物提取,提出一种轻量化全卷积神经网络模型和特征融合方案,模型参数较轻量化前减少约40％,GPU内存占用下降33.61％,平均训练时间和预测时间分别下降32.40％和26.31％.融合后的模型在公开数据集测试得到的MIoU精度在74.14％左右,达到了保证高精度建筑物提取前提下模型轻量化的预期.

关键词：全卷积神经网络、建筑物、残差网络、特征融合、轻量化

所属期刊栏目：38

分类号：TP75(遥感技术)

资助基金：国家重点研发计划;中国科学院信息化专项

在线出版日期：2023-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：190-199