基于多边形序列网络（PSeq-Net）的超高分辨率遥感桥梁检测

《Microorganisms》：Heavy-Metal Removal from Simulated Multimetal Wastewater Using Suspended and Biofilm-Derived Microalgal Biomass: Time Dependence, Dosage Effects, and Biomass Characterization

　　

。

摘要

在超高分辨率遥感图像中，鲁棒的桥梁检测对于交通基础设施测绘、地理信息系统更新以及灾后评估至关重要。然而，局部裁剪会破坏长跨度桥梁的空间连续性，导致检测结果支离破碎且几何预测不一致。本文提出了一种多边形序列网络（PSeq-Net），这是一种端到端的稀疏全局序列建模框架，专门用于超高分辨率（VHR）遥感图像中的桥梁检测。PSeq-Net为每座桥梁生成一个有序的四边形顶点序列，实现了视觉编码与结构化几何预测的统一。基于层次结构的稀疏特征采样能够在桥梁相关区域保留精细的细节信息，同时使用紧凑的背景区域表示方式，从而高效处理2048 × 2048像素的输入数据。全局上下文聚合机制整合了长距离的空间依赖性，而几何感知优化则提升了预测桥梁形状的合理性。在大规模GLH-Bridge基准测试中，PSeq-Net的平均精确度（AP）达到了37.87%，50%置信度下的精确度（AP₅₀）为73.58%，75%置信度下的精确度（AP₇₅）为31.38%，其性能优于其他常见的定向和大规模桥梁检测算法。进一步分析表明，该算法能够更准确地定位细长桥梁和跨越边界的桥梁，减少检测结果的碎片化，并在多样的场景背景和图像分辨率下保持良好的鲁棒性。