来源：期刊VIP网 时间：
作者：华娟;陶于祥;罗舒月;罗小波;
单位：重庆邮电大学计算机科学与技术学院;
摘要：如何快速、高精度提取建筑物信息对城市发展、灾害评估具有重要价值意义。针对DeeplabV3+模型提取建筑物存在错检漏检、边界识别粗糙等问题，文章提出一种顾及密集特征的建筑物提取网络DFE＿DeeplabV3+。首先，使用MobiletNetV2作为骨干网络有效减少参数量；其次，引入密集特征金字塔模块和密集注意力模块以捕获更丰富的上下文信息和边界信息；最后，考虑低层特征包含更多原始信息，在解码区将两层低层特征融合，进一步提取建筑物的空间细节信息，增强模型性能。实验结果表明，该方法有效提高了模型的分割性能，在INRIA Aerial lmage数据集上取得了76.72%的IoU,明显改善了建筑物错检漏检、边缘信息模糊的分割效果，具有一定的实际应用价值。
关键词：深度学习;;建筑物提取;;多尺度特征;;特征融合;;注意力机制
基金资助：国家重点研发计划政府间国际科技创新合作项目(2021YFEO194700);; 重庆市自然科学基金(CSTB2022NSCQ-MSX1234)
