论文研究密集反卷积网络在遥感建筑物提取中的应用.pdf

遥感图像覆盖范围广、场景复杂，目前基于卷积神经网络的建筑物提取方法因层数较少，不能充分挖掘图像的抽象信息，导致正确率较低，错检率较高。简单地增加网络的层数会导致梯度流消失和信息流弥散等问题，无法有效地训练网络。将密集连接方式引入到反卷积网络中，提出了一种新型的深层密集反卷积神经网络。该网络共有51层卷积权重层，能够自动学习多层级图像的特征，充分挖掘图像信息，并且该网络是端对端可训练的，避免了深层网络中信息传递消失的问题。同时利用反卷积网络实现了像素级别的建筑物提取，在ISPRS2D的遥感标注数据集上有良好的表现，具有较强的实际应用价值。