LinkNet with Pretrained Encoder and Dilated Convolution for HighResolution Satellite Image

Abstract

D-LinkNet语义分割神经网络它采用encoder-decoder的结构、空洞卷积（dilated convolution）和预训练编码器（pretrained encoder）来完成道路提取任务。该网络采用LinkNet结构，中心部分具有空洞卷积层（dilated convolution）。Linknet结构在计算和存储方面是高效的。空洞卷积是一种在不降低特征图分辨率的前提下，扩大特征点感受野（receptive field）的有效工具。
在CVPR DeepGlobe 2018道路提取挑战赛中，我们在验证集和测试集上的最佳IoU分数分别为0.6466和0.6342。

1.Introduction

近年来提出的卫星图像道路提取方法：

1. 生成道路像素级标记（generating pixel-level labeling of roads）
2. 检测道路骨架（detecting skeletons of roads）
   以上两者的结合（a combination of both）

D-LinkNet解决的问题：

1. 由于输入的图像是高分辨率的，网络应有大的接受域（receptive field）能够覆盖整个图像。
2. 由于卫星图像中的道路细长、复杂、覆盖了图像中的一小部分，所以网络保留了详细的空间信息
3. 考虑了道路具有的天然连通性（natural connectivity）和大跨度（long span）

D-LinkNet采用LinkNet【Linknet: Exploiting encoder representations for efficient semantic segmentation】作为骨干网络，并且在中间添加了空洞卷积，它结合了跳跃连接、残差块和encoder-decoder结构的优点，最初的LinkNet使用resnet18作为其编码器。

• 空洞卷积的作用：在不降