Centre de documentation
scientifique

Dépouillements

Foreground-aware refinement network for building extraction from remote sensing images / Zhang Yan in Photogrammetric Engineering & Remote Sensing, PERS, vol 88 n° 11 (November 2022)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 88 n° 11 (November 2022) . - pp 731 - 738 Titre : Foreground-aware refinement network for building extraction from remote sensing images Type de document : Article/Communication Auteurs : Zhang Yan, Auteur ; Wang Xiangyu, Auteur ; Zhang Zhongwei, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 731 - 738 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] analyse visuelle [Termes IGN] attention (apprentissage automatique) [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] détection de régions [Termes IGN] détection du bâti [Termes IGN] extraction de traits caractéristiques [Termes IGN] image RVB [Termes IGN] jeu de données Résumé : (auteur) To extract buildings accurately, we propose a foreground-aware refinement network for building extraction. In particular, in order to reduce the false positive of buildings, we design the foreground-aware module using the attention gate block, which effectively suppresses the features of nonbuilding and enhances the sensitivity of the model to buildings. In addition, we introduce the reverse attention mechanism in the detail refinement module. Specifically, this module guides the network to learn to supplement the missing details of the buildings by erasing the currently predicted regions of buildings and achieves more accurate and complete building extraction. To further optimize the network, we design hybrid loss, which combines BCE loss and SSIM loss, to supervise network learning from both pixel and structure layers. Experimental results demonstrate the superiority of our network over state-of-the-art methods in terms of both quantitative metrics and visual quality. Numéro de notice : A2022-842 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.21-00081R2 Date de publication en ligne : 01/11/2022 En ligne : https://doi.org/10.14358/PERS.21-00081R2 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102055 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2022111	SL	Revue	Centre de documentation	Revues en salle	Disponible