변형 모양과 정확하지 않은 엣지 추출 두 어려운 건물 추출 문제에 대응하기 위해 본 연구에서는 주요 몸체 및 먼 엣지의 분리 및 다단계 정보 추출을 통합한 이중 분기 건물 추출 네트워크를 제안한다. 첫 번째 부분에서는 해체 개념과 광학 흐름 기술을 활용하여 주요 몸체와 엣지를 분리하고 건물 엣지의 표현 능력을 강화한다. 다음으로, 홀 및 깊이 분리 접이식 및 주의 메커니즘을 기반으로한 경량 다단계 정보 추출 분기를 구축하여 다양한 규모의 건물 특징을 완전히 추출한다. 마지막으로 얻은 주요 몸체와 엣지 특징을 결합하여 네트워크 교육 프로세스를 최적화하기 위해 보조 강화된 손실 기능을 사용한다. 또한 두 공개 건물 추출 데이터 세트에서의 실험 결과는 건물 추출 네트워크가 효과적임을 보여 준다.

원격 탐사 영상; 건물 추출; 딥 러닝; U-Net; 주요 몸체 및 엣지 분리; 이중 분기; 다단계; 경량