En respuesta a las dificultades de extracción de edificios relacionadas con la variabilidad de la forma y la extracción imprecisa de los límites, proponemos una red integrada de extracción de edificios de dos ramas para separar los bordes principales y extraer información a varias escalas. En primer lugar, utilizando la idea de la descomposición y la tecnología del flujo óptico, hemos diseñado una rama de separación de bordes principales para obtener las características principales y de bordes de los edificios y reforzar la capacidad de representar los límites de los edificios. Luego, basándonos en la convolución dilatada, la convolución profundamente separable y el mecanismo de atención, hemos construido una rama ligera de extracción de información a varias escalas para extraer completamente las características de los edificios de diferentes escalas. Por último, utilizando las características principales y de bordes extraídas, proponemos una función de pérdida reforzada por las características principales y de bordes para optimizar el proceso de entrenamiento de la red. Los resultados de las experimentaciones en los conjuntos de datos públicos comúnmente utilizados para la extracción de edificios muestran que la red de extracción de edificios propuesta es eficaz y factible.

Teledetección; extracción de edificios; aprendizaje profundo; U-Net; separación de bordes principales; doble rama; multi-escala; ligero