Building-road Collaborative Extraction from Remotely Sensed Images via Cross-Interaction

要約

建物は社会的生産と人間の生活の基本的な担い手です。
道路はソーシャル ネットワークを相互接続するリンクです。
建物や道路の情報は、地域連携開発、防災、自動運転などのフロンティア分野において重要な応用価値を持っています。超高解像度（VHR）リモートセンシング画像から建物や道路をマッピングすることは、注目の研究テーマとなっています。
しかし、既存の手法では、道路と建物の間の強い空間的相関が無視され、それらが分離して抽出されることがよくあります。
建物と道路の間の補完的な利点を最大限に活用するために、マルチタスクとクロススケール特徴の相互作用に基づいて、補完的な方法で両方のタスクの精度を向上させる建物と道路の協調抽出方法を提案します。
マルチタスク学習におけるシーソー現象に取り組む、タスク間で情報を対話させ、各タスクの固有情報を保存するマルチタスクインタラクションモジュールが提案されています。
建物や道路間の外観や構造の違いを考慮することで、スケールを超えたインタラクション モジュールが、さまざまなタスクに最適な受信フィールドを自動的に学習するように設計されています。
各タスクを個別にトレーニングする多くの既存の方法と比較して、提案された協調抽出方法は、提案されたタスク間およびスケール間の特徴の相互作用によって建物と道路の間の補完的な利点を利用し、異なるタスクに最適な受信フィールドを自動的に選択できます。
都市部および農村部の幅広いシナリオでの実験により、提案されたアルゴリズムが優れたパフォーマンスと効率で建物と道路の抽出を達成できることが示されています。

要約(オリジナル)

Buildings are the basic carrier of social production and human life; roads are the links that interconnect social networks. Building and road information has important application value in the frontier fields of regional coordinated development, disaster prevention, auto-driving, etc. Mapping buildings and roads from very high-resolution (VHR) remote sensing images have become a hot research topic. However, the existing methods often ignore the strong spatial correlation between roads and buildings and extract them in isolation. To fully utilize the complementary advantages between buildings and roads, we propose a building-road collaborative extraction method based on multi-task and cross-scale feature interaction to improve the accuracy of both tasks in a complementary way. A multi-task interaction module is proposed to interact information across tasks and preserve the unique information of each task, which tackle the seesaw phenomenon in multitask learning. By considering the variation in appearance and structure between buildings and roads, a cross-scale interaction module is designed to automatically learn the optimal reception field for different tasks. Compared with many existing methods that train each task individually, the proposed collaborative extraction method can utilize the complementary advantages between buildings and roads by the proposed inter-task and inter-scale feature interactions, and automatically select the optimal reception field for different tasks. Experiments on a wide range of urban and rural scenarios show that the proposed algorithm can achieve building-road extraction with outstanding performance and efficiency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google