Geographic transferability of building function models

Nikolai Skuppin

doi:10.1109/jstars.2026.3737186

Geographic transferability of building function models

2026-09-24

0

OA

AI

DOI：10.1109/jstars.2026.3737186

原文链接

原文求助

摘要

En 中文

我们研究了为建筑物类型分类训练的U-Net模型的地理可迁移性。该模型为单个建筑物分配功能类别，如住宅或非住宅。这通过提供更深入的见解扩展了常见的建筑物提取任务。由于训练和测试数据通常稀缺，研究模型在不同区域间的可迁移性至关重要。为此，我们收集了一个覆盖全球六个国家的数据集。我们将Planet Basemap图像与OpenStreetMap（OSM）标签配对，并手动清理了数据集。我们在各种数据分割上训练语义分割模型，以预测住宅和非住宅建筑物。所展示的结果表明，与结合可用数据并训练全局模型相比，本地训练或微调模型并无明显优势。此外，我们发现将建筑轮廓叠加在输入图像上可以提高模型的F1分数和跨区域可迁移性。

Keyword:

Geographic Transferability

Building Function

OpenStreetMap

Semantic Segmentation

Geographic transferability of building function models

摘要

期刊

机构

引用论文