형태 변이성과 경계 추출의 부정확성과 관련된 건물 추출의 어려움에 대응하기 위해, 우리는 주요 가장 선들을 분리하고 여러 규모의 정보를 추출하기 위한 통합된 이중 분기 건물 추출 네트워크를 제안합니다. 먼저, 분해 아이디어와 광학 흐름 기술을 사용하여 건물의 주요 및 가장자리 특성을 얻고 건물의 경계를 표현하는 능력을 강화하기 위해 주요 가장 선들을 분리하는 가지를 설계했습니다. 그런 다음 확장된 컨볼루션, 심도 분리 컨볼루션 및 주의 메커니즘을 기반으로 다양한 규모의 건물 특성을 완전하게 추출하기 위한 경량 분기 추출 가지를 구축했습니다. 마지막으로 추출된 주요 및 가장자리 특성을 사용하여, 네트워크의 훈련 프로세스를 최적화하기 위해 주요 및 가장 선 특성으로 강화된 손실 함수를 제공합니다. 건물 추출을 위해 널리 사용되는 공공 데이터 세트에서의 실험 결과는 제안된 건물 추출 네트워크가 효과적이고 실행 가능하다고 보여줍니다.

원격 감지; 건물 추출; 딥 러닝; U-Net; 주요 가장 선들 분리; 이중 가지; 다중 규모; 경량