来源：期刊VIP网 时间：
作者：廖子阳;冯德俊;陈虹宇;刘子琛;
单位：西南交通大学地球科学与环境工程学院;
摘要：针对语义分割提取建筑物时，在特征提取过程中丢失局部细节信息，对全局上下文信息的感知能力及多尺度特征的提取不足，导致小建筑物漏提、建筑物提取不完整及内部孔洞的问题，提出了顾及多尺度特征及全局上文信息的建筑物提取方法。该方法采用编码-解码结构，利用并行的连续空洞卷积提取多尺度特征，并行使用压缩激励模块(SE)和条带池化模块(SPM)从通道和空间维度捕获全局上下文信息，提高网络对小建筑物的识别能力及提取结果的完整性，并减少内部孔洞。通过在WHU建筑数据集和Inria航空数据集上与常见的语义分割网络进行的对比实验表明，该方法在提高建筑物提取准确率的同时，较好地解决了小建筑物漏提、建筑物提取不完整及内部孔洞等问题。
关键词：语义分割;;多尺度特征;;全局上下文;;空洞卷积;;注意力机制;;建筑物
