Investigación comparativa sobre diferentes arquitecturas de backbone de DeepLabV3+ para la segmentación de edificios

El rápido crecimiento urbano y la globalización afectan el uso del suelo en las ciudades, y la necesidad de interpretación automática de imágenes de teledetección está en constante aumento. Las redes neuronales profundas se están volviendo comunes en fuentes de imágenes aéreas y satelitales de alta resolución en misiones de observación de la Tierra. Se han implementado varias arquitecturas de red neuronal convolucional (CNN) en la extracción de edificios, pero sigue siendo un desafío distinguir la clase de edificios de otras clases artificiales en conjuntos de datos públicos. Aquí presentamos una investigación comparativa para la extracción automática de edificios en diferentes fuentes de datos utilizando la arquitectura DeepLabV3+ con los modelos ResNet-18, ResNet-50, Xception y MobileNetv2. Las CNN se implementan en los conjuntos de datos de Etiquetado de Imágenes Aéreas de Inria, Edificios de Massachusetts y Extracción de Edificios de la Universidad de Wuhan en términos de métricas de evaluación y consumo de tiempo de entrenamiento y prueba. Nuestra implementación del modelo DeepLabV3 + ResNet-50 tuvo un F1-score de 97.44% en el conjunto de datos de Edificios de Massachusetts y una intersección sobre unión de 80.75% en el conjunto de datos de Inria, un 3% superior en comparación con los estudios anteriores.