来源：期刊VIP网 时间：
作者：熊治国;谢晓尧;王珩;李秋华;韩孟书;
单位：贵州师范大学网络空间安全学院;贵州师范大学贵州省信息与计算科学重点实验室;
摘要：针对航空遥感影像背景复杂多样导致建筑物提取效果差、分割缺失严重、边界提取模糊、中心出现孔洞等问题，提出了融合注意力机制和桥接器模块的AMRUNet建筑物提取网络。网络基础框架将U-Net中的卷积块替换为残差块，并在编码器和跳跃连接中引入了不同注意力机制，以提高网络在特征提取、噪声抑制方面的表现；设计多尺度级联特征融合(multi-scale cascade feature fusion, MCFF)结构作为网络的桥接器，以提取多尺度信息，减少小建筑物分割缺失。定量分析与实验结果表明，AMRUNet网络的准确率、F1分数、交并比和召回率指标优于现有主流网络，能有效抑制孔洞，建筑物提取更加精确。
关键词：建筑物提取;;注意力机制;;多尺度特征;;语义分割;;人工智能网络
基金资助：贵州省科技厅项目(黔科合支撑[2023]213号)
