来源：期刊VIP网 时间：
作者：庞兆峻;胡荣明;竞霞;任乐宽;廖雨欣;
单位：西安科技大学测绘科学与技术学院;
摘要：针对高分辨率遥感影像因复杂背景信息导致的建筑物边界、角点以及内部信息出现的错分、漏分问题，提出了一种融合多重多尺度目标特征的DPRS-Net深度学习网络。DPRS-Net采用Resnet50与Swin-T(Tiny)的并行编码结构以结合两种编码优势，进而获取特征图的大范围深层信息；利用跳跃连接降低建筑物的边界特征损失；引入特征金字塔注意力模块和密集空洞空间特征金字塔池化模块，使采样过程中的建筑物细节特征损失减弱。为验证模型的优势性、分析性能提升原因，在WHU和自建Changchun3建筑物数据集上进行对比和消融实验。结果表明，DPRS-Net在两种数据集上均取得更高的精度，提取的建筑物信息更为完整，且模型各结构均能有效提升预测效果。
关键词：深度学习;;高分辨率遥感影像;;建筑物提取;;多尺度特征;;并行编码;;特征金字塔
基金资助：国家自然科学基金(42171394)
