Rooftop Irregularity Segmentation in Aerial Imagery Using Deep Learning

Suzuki, Konatsu

doi:10.1007/978-3-032-03101-3_12

Rooftop Irregularity Segmentation in Aerial Imagery Using Deep Learning

2026-01-01

0

PRE

AI

DOI：10.1007/978-3-032-03101-3_12

原文链接

原文求助

摘要

En 中文

为实现2050年碳中和（CN）目标，研究重点主要集中在单体建筑层面的CN实现。然而，考虑整个城市（包括这些建筑）如何实现CN至关重要。本研究旨在估算城市区域建筑上安装太阳能板的可利用空间，以提升光伏系统的利用率。本研究提出了一种语义分割方法，用于估算建筑形状（相对于参考平面的突出部分和凹陷部分），这对太阳能板安装空间有显著影响。我们通过改变训练和测试数据集，在五种不同条件下进行语义分割，以分析航拍图像中道路的影响。此外，为提高突出部分的提取精度，本研究提出了一种加权叠加方法，该方法使用不同权重组合叠加五张不同的推理图像。在使用语义分割方法提取突出部分时，当训练和推理过程中完全保留道路时，F值达到30.5%；而当完全移除道路时，F值为41.4%。然而，凹陷部分的提取未能成功。此外，加权叠加方法提高了F值，最大达到72.5%。

Keyword:

Rooftop

Deep Learning

Semantic Segmentation

Rooftop Irregularity Segmentation in Aerial Imagery Using Deep Learning

摘要

期刊

机构