基于语义和细节特征双促进的遥感影像建筑物提取网络

提取准确的边缘信息对分割建筑物至关重要。将多尺度细节与语义特征进行简单融合;或者设计复杂的损失函数引导网络关注边缘信息是当前较常见的方法;然而这些方法很少关注语义和细节特征的相互促进作用。针对该问题;提出一种基于语义和细节特征双促进的遥感影像建筑物提取网络。所提网络的结构类似U-Net框架;在编码端提取浅层高分辨率细节特征图;在解码端将深层的语义与细节特征双促进模块（SDFF）嵌入主干网络中;从而使网络同时具备较好的语义特征和细节特征的提取能力。
之后对语义和细节特征进行通道融合;并结合不同分辨率影像的边缘损失监督;提高网络对建筑物细节的提取能力和泛化性。实验结果表明:与U-Net和双路细节关注网络（DSDCNet）等多种主流方法相比;所提网络在WHU数据集和马萨诸塞州建筑物（Massachusetts）数据集上均取得了最佳的语义分割结果。可见;所提网络能更好地保留建筑物边缘特征;有效提升遥感影像中的建筑物分割精度。