Cet article aborde deux problèmes difficiles d'extraction de bâtiments, à savoir la variabilité de la forme et l'extraction peu précise des contours. Il propose un réseau intégré d'extraction de bâtiments à double branche pour séparer les structures principales et extraire des informations multi-échelles. Tout d'abord, en utilisant le concept de désagrégation et la technologie de flux optique, une branche de séparation des structures principales est conçue pour obtenir les caractéristiques principales et les contours des bâtiments, renforçant ainsi la représentation des contours des bâtiments. Ensuite, en utilisant des convolutions trous, des convolutions profondes séparables et un mécanisme d'attention, une branche légère d'extraction d'informations multi-échelles est construite pour extraire pleinement les caractéristiques des bâtiments à différentes échelles. Enfin, en utilisant les caractéristiques principales et les contours obtenus, une fonction de perte renforcée assistée par les caractéristiques principales et les contours est proposée pour optimiser le processus d'entraînement du réseau. Les résultats des expériences sur des ensembles de données d'extraction de bâtiments publics montrent que le réseau d'extraction de bâtiments proposé est efficace et réalisable.

imagerie satellitaire; extraction de bâtiments; apprentissage profond; U-Net; séparation de structures principales; double branche; multi-échelle; modèle léger