来源：期刊VIP网 时间：
作者：赵华;窦虎;张华;
单位：中国矿业大学环境与测绘学院;
摘要：针对基于深度学习的建筑物自动提取结果中依然存在边界模糊、大尺度建筑物存在孔洞、小尺度建筑物丢失等问题，提出了一种多尺度特征增强CNN网络用于建筑物提取。模型以编码-解码框架为基础，在特征编码阶段，设计了多尺度特征增强模块，对深层特征进行多尺度特征增强，以提高模型对复杂场景下及小目标的提取能力。在特征解码阶段，设计了跨空间信息融合模块，在不同空间和维度方向上进行特征聚合以增强语义信息。此外，模型引入了混合注意力模块，在通道和空间两个维度上对融合后的特征进行优化，减弱了不同特征间的语义差距。所提出方法分别在SpaceNet和WHU数据集上进行实验分析。结果表明，该方法对于高空间分辨率遥感影像提取任务有较好的效果。
关键词：建筑物提取;;深度学习;;注意力机制;;多尺度特征增强;;感受野
基金资助：国家自然科学基金(41971400)
