57、具有随机跳跃连接的共享空间自动编码器用于缺失视图下的建筑物足迹检测

具有随机跳跃连接的共享空间自动编码器用于缺失视图下的建筑物足迹检测

在地理空间数据分析领域,深度学习正变得愈发重要。随着数据量的不断增加,研究人员面临着解释和预测多样化数据的挑战。本文聚焦于从卫星图像和雷达数据中检测建筑物足迹这一任务,该任务在众多应用场景中具有重要意义,如经济因素估算、灾害应急响应、人类活动监测和城市动态分析以及人口密度估计等。

背景与问题提出
  • 数据特点 :合成孔径雷达(SAR)数据和电光(EO)数据各有优劣。SAR数据能穿透云层,在不利天气条件下也能获取信息,且不受昼夜循环影响;而EO数据更易解释,通常分辨率更高,但在光照不足或云层覆盖时难以捕捉有意义信息。
  • 问题设定 :本文采用了一种具有挑战性的设定,即EO数据仅在训练时可用,在测试时被视为缺失模态。这一设定源于现实世界中EO数据因采集条件而缺失的情况。
相关工作
  • 基于SAR数据的建筑物检测 :有多种方法被提出,如利用SAR数据提取建筑物面定义的线条,结合光学数据;使用高分辨率图像通过马尔可夫融合生成城市数字表面模型;利用条件随机场(CRF)在高分辨率干涉SAR(InSAR)和正射校正图像对上检测建筑物足迹等。近年来,也有深度学习方法被应用。
  • 图像分割 :语义图像分割旨在将输入图像映射为每个像素的类别预测矩阵。常见的方法和架构包括全卷积网络(FCN)、循环神经网络(RNN)、对抗损失等,其中基于编码器 - 解码器范式的架构最为突出,如UNet、Se
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值