高分遥感影像建筑物边缘提取模型迁移性评估对比

建筑物边缘提取对智慧城市建设具有重要的研究意义，采用人工标注建筑物边缘的方法需要消耗大量的人力物力。目前，利用深度学习的方法已经能提取建筑物大致轮廓，但其需要大量的人工标注的精确样本进行训练。因此，文章构建了3个边缘检测数据集并复现了2个经典边缘检测网络RCF和BDCN进行交叉训练测试实验，评估边缘检测模型的可迁移性，为研究构建普适性更强的边缘检测网络提供思路。