Dieser Artikel behandelt zwei schwierige Probleme beim Gebäudeextrahieren, nämlich die vielfältige Form und die ungenaue Extraktion von Konturen. Es schlägt ein integriertes Netzwerk zur Doppelfilialautomation der Gebäudeextraktion vor, um Hauptstrukturen zu trennen und die Multiskaleninformationen zu extrahieren. Zunächst wird unter Verwendung des Dekompositionsprinzips und der optischen Stromtechnologie ein Hauptstrukturabtrennungsarm entworfen, um die Hauptmerkmale und Konturen der Gebäude zu erhalten und die Konturrepräsentation der Gebäude zu verstärken. Dann wird unter Verwendung von Lochfaltungen, tiefen separaten Faltungen und eines Aufmerksamkeitsmechanismus ein leichter Multiskaleninformationsabtrennungsarm aufgebaut, um die Gebäudemerkmale in verschiedenen Maßstäben vollständig zu extrahieren. Schließlich wird unter Verwendung der erhaltenen Hauptmerkmale und Konturen eine unterstützte verstärkte Verlustfunktion vorgeschlagen, um den Netzwerkschulungsprozess zu optimieren. Die Ergebnisse von Experimenten mit öffentlichen Gebäudeextraktionsdatensätzen zeigen, dass das vorgeschlagene Gebäudeextraktionsnetzwerk effektiv und praktikabel ist.

Fernerkundungsbilder; Gebäudeextraktion; Deep Learning; U-Net; Hauptstrukturabtrennung; Doppelfilial; Multiskalen; leichte Modell