Resumen

Los recientes avances en las redes neuronales convolucionales (CNN) han mostrado resultados impresionantes en la segmentación semántica. Entre los métodos basados en CNN que han tenido éxito, U-Net ha logrado un rendimiento interesante. En este artículo, proponemos una nueva arquitectura de red basada en U-Net y en la agrupación de pirámides espaciales atrópicas (ASPP) para abordar la tarea de extracción de carreteras en el campo de la teledetección. Por un lado, la estructura U-Net puede extraer eficazmente características valiosas; por otro lado, ASPP es capaz de utilizar información de contexto multiescala en imágenes de teledetección. En comparación con la línea de base, este modelo propuesto ha mejorado la Intersección media sobre la Unión (mIoU) de 3 puntos a nivel de píxel. Los resultados experimentales muestran que la arquitectura de red propuesta puede hacer frente a diferentes tipos de tareas de extracción de la superficie de la carretera bajo varios terrenos en la ciudad de Yinchuan, resolver el problema de la conectividad de la carretera hasta cierto punto, y tiene cierta tolerancia a las sombras y la oclusión.

• Materias:Biotecnología Minería de datos Algoritmo genético Neurociencia Cognitiva Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithm Cognitive Neuroscience Neurophysiology
• Palabras claves:red neuronal convolucional, problema de conectividad de carreteras, intersección de medios a nivel de píxel, tipo de carretera, pirámide espacial atroz, rendimiento emocionante alcanzado, resultados impresionantes mostrados, campo de teledetección, arquitectura de red novedosa, tarea de extracción de superficie
• Keywords:convolutional neural network, road connectivity problem, pixelwise means intersection, type of road, atrous spatial pyramid, achieved exciting performance, shown impressive results, remote sensing field, novel network architecture, surface extraction task