航拍图像跨数据域特征迁移道路提取方法

• Published in: 测绘学报 Vol. 49; no. 5; pp. 611 - 621
• Main Authors: 王舒洋, 慕晓冬, 贺浩, 杨东方, 马晨晖
• Format: Journal Article
• Language: Chinese
• Published: 火箭军工程大学作战保障学院,陕西 西安,710025%火箭军工程大学导弹工程学院,陕西西安,710025 01.05.2020
• Subjects: 编解码网络; 生成对抗网络; 迁移学习; 遥感; 道路提取; 深度学习
• ISSN: 1001-1595
• DOI: 10.11947/j.AGCS.2020.20190274

P237; 针对传统道路提取方法应用于新数据泛化能力不足的问题,研究了通过特征迁移和编解码网络实现跨数据域的道路提取方法.首先,构建了基于编解码网络的道路提取基本模型,用于实现单一数据来源的道路提取任务.然后,基于道路提取网络结构和循环一致性原则,提出了用于跨数据域图像特征迁移的循环生成对抗网络,使目标域图像映射入源域特征空间.使用预训练的道路提取模型处理特征迁移后的目标域图像,即可实现跨数据域道路提取任务.试验结果表明,本文所提方法能够拓展道路提取网络的泛化能力,准确有效地提取跨数据域图像中的道路目标.相较于未特征迁移的结果,本文所提方法大幅改善了道路提取指标,使得F1提升了50％以上.本文方法不需要目标域的标注信息,也不需要对道路提取网络进行微调训练,而只需训练由目标域向源域的特征迁移模型,所耗时间和人力成本较低,因而具有良好的应用价值.