.png){kind=icon}
返回
Building extraction from remote sensing imagery using SegFormer with post-processing optimization
.png){kind=icon}
PRE
AI
DOI：10.1371/journal.pone.0338104.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
传统遥感影像建筑物提取方法依赖特征分类技术，这些方法通常存在应用门槛高、数据处理繁琐、识别速度慢及适应性差等问题。随着人工智能，特别是机器学习和深度学习的快速发展，遥感影像智能提取领域取得了显著进展。建筑物提取在地理信息应用中发挥着关键作用，例如城市规划、资源管理和生态保护。本研究提出了一种基于SegFormer模型的高效准确建筑物提取方法，该模型是当前基于Transformer架构的最先进语义分割模型。其工作流程包括数据准备、模型构建、模型部署和应用。选择SegFormer模型因其具备层次化Transformer编码器和轻量级MLP解码器，能够实现遥感影像中建筑物的高精度二分类。此外，通过后处理技术（如噪声过滤、边界清理和建筑物规整化）优化推理结果，显著提升了提取建筑物的视觉效果和精度。实验采用公开的WHU建筑物数据集进行验证，结果表明该方法在城区、乡村及山地等不同地形均有效。实验结果显示，SegFormer模型精度较高，其MiT-B5骨干网络在100个训练周期后达到94.13%的交并比（IoU）。该研究强调了该方法鲁棒性和可扩展性，为遥感影像分析与地理信息系统中的实际应用提供了坚实的技术基础。
Keyword:
MAP