前言
建築物是人類社會生産、生活的主要載體,建築物輪廓資訊是國家基礎地理資訊的重要組成部分。相比于人工遙感解譯與矢量化,結合算法模型從遙感影像中自動提取建築物輪廓大大減少了人力物力的消耗。這在城市擴張研究、數字城市建設等領域有着廣泛的應用。
近年來,全卷積神經網絡的不斷發展為高精度自動化建築物提取提供了新的方法。但是,由于建築物在尺度,建築風格,形态上有較大差異,目前高精度建築物提取仍存在較大挑戰。一方面,難兼顧較好的建築物定位精度(依賴于高層語義特征)與建築物邊緣精度(依賴于淺層特征)。另一方面,基于神經網絡的方法往往依賴于大尺度資料集進行訓練。
- 阿裡天池建築智能普查;
- Open AI 坦尚尼亞建築物資料集
- AIRS 資料集
- WHU 建築物資料集
- CrowdAI Mapping Challenge資料集
- DeepGlobe Challenge建築物資料集
- USSOCOM 城市三維挑戰資料集
- Inria資料集
- 航空影像目辨別别資料集
- SpaceNet Challenge資料集
- Massachusetts 建築物資料集
- ISPRS Potsdam 2D Semantic Labeling Contest (ISPRS)