面向超高分辨率遥感影像桥梁检测的端到端稀疏-全局序列建模框架PSeq-Net
《Remote Sensing》:GUF-Net: Gated Uncertainty-Aware Fusion Network for Robust Building Change Detection in Remote Sensing Images
【字体:
大
中
小
】
时间:2026年10月24日
来源:Remote Sensing 4.3
编辑推荐:
在超高分辨率遥感影像中实现稳健的桥梁检测对于交通基础设施制图、地理信息系统更新以及灾后评估具有重要意义。然而,局部裁剪会中断长跨桥梁的空间连续性,导致检测碎片化和几何上不一致的预测结果。本文提出了一种多边形序列网络(PSeq-Net),即一种用于超高分辨率(VHR)遥感影像桥
在超高分辨率遥感影像中实现稳健的桥梁检测对于交通基础设施制图、地理信息系统更新以及灾后评估具有重要意义。然而,局部裁剪会中断长跨桥梁的空间连续性,导致检测碎片化和几何上不一致的预测结果。本文提出了一种多边形序列网络(PSeq-Net),即一种用于超高分辨率(VHR)遥感影像桥梁检测的端到端稀疏-全局序列建模框架。PSeq-Net为每座桥梁生成有序的四边形顶点序列,将视觉编码与结构化几何预测统一起来。分层稀疏特征采样在桥梁相关区域保留了细粒度证据,同时使用背景区域的紧凑表示,从而实现了对2048 × 2048输入的高效处理。全局上下文聚合整合了长程空间依赖关系,几何感知优化则提升了预测桥梁形状的结构合理性。在大规模GLH-Bridge基准上的实验表明,PSeq-Net达到了37.87%的平均精度(AP)、73.58%的AP50和31.38%的AP75,优于现有的代表性方向和大规模桥梁检测器。进一步分析表明,该方法在细长桥梁和跨边界桥梁的定位方面有所改进,减少了碎片化现象,并在多样化的场景背景和图像分辨率下展现出良好的鲁棒性。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号