来源：期刊VIP网 时间：
作者：胡荣明;黄旭昆;竞霞;魏青博;张宵宵;
单位：西安科技大学测绘科学与技术学院;西北综合勘察设计研究院;
摘要：针对城市在建道路背景的复杂性以及无人机获取RGB数据源的单一性导致的道路多分类精度较低的问题，提出了一种改进Swin-Unet模型的RGB与DSM三分支多级融合方法。通过引入Swin Transformer结构的并行编码器，增强了对RGB与DSM影像特征的提取能力；在并行编码器间加入Concat分支，提升了特征信息的融合效果；引入多密集跳跃连接，实现了不同层级特征融合，提高了模型的分割精度。实验结果表明，相较于传统的RGB与DSM影像融合方法，所提出的改进Swin-Unet模型的融合方法在总体分类精度(94.86%)、召回率(94.39%)和F1分数(94.54%)等评价指标上均表现出优越性，证明了该方法能够有效应用于在建道路各阶段信息提取，为在建道路项目的施工进度监测提供方法支持。
关键词：深度学习;;多级融合方法;;DSM;;在建道路提取;;Swin-Unet模型
基金资助：国家自然科学基金(42171394)
