基于FPN的高分辨率建筑物圖像的語義分割

楊建華

(上海大學(xué) 土木工程系，上海 200444)

0 引言

建筑物作為城市中重要的地理標(biāo)識，也是人類活動區(qū)域的重要特征，在復(fù)雜自然場景中實現(xiàn)對其精確的識別可為城市規(guī)劃、城市動態(tài)監(jiān)測、地形圖更新等領(lǐng)域提供重要的支撐[1]。遙感技術(shù)是獲取特定區(qū)域圖像執(zhí)行此類任務(wù)的普遍方法。目前，隨著影像傳感器和新興平臺(例如無人機(jī))的技術(shù)發(fā)展，高分辨率建筑物圖像的可用性和普及性得到了極大的提高[2]，海量的高質(zhì)量圖像使得建筑物的高精度識別成為可能，但同時也對現(xiàn)有的處理手段提出了新的挑戰(zhàn)[3]。

高分辨率圖像雖然提供了豐富的結(jié)構(gòu)和紋理信息，有助于檢測和區(qū)分地面上的各種物體，但同時也增加了圖像元素的類內(nèi)差異，減小了類間差異[4]，使得提取圖像合理的空間特征以實現(xiàn)像素的分類變得更加困難[5]。由于建筑物具有復(fù)雜的形狀和圖案，同時受到包括形狀、材料、空間大小和建筑物陰影的干擾，因而上述問題在高分辨率的建筑物圖像領(lǐng)域顯得格外突顯。

傳統(tǒng)的建筑物提取方法多利用圖像的中低級特征，如光譜、邊緣、陰影、幾何結(jié)構(gòu)等。Huang等[6]提出了利用一組形態(tài)學(xué)運算來表示建筑物的固有光譜結(jié)構(gòu)特性(例如亮度、對比度和大小)，即形態(tài)建筑物指數(shù)，從高分辨率圖像中自動檢測建筑物。Ma[7]提出了一種提取地面點生成數(shù)字高程模型(digital elevation model，DEM)，進(jìn)而檢測圖像中屬于建筑物點的方法。Zhou等[8]提出了一種僅利用數(shù)字地表模型(digital surface model，DSM)的高度信息進(jìn)行建筑物檢測的技術(shù)。Chen等[9]提出了圖像邊緣規(guī)則性指數(shù)和陰影線指數(shù)，將其作為細(xì)化特定建筑物檢測結(jié)果邊界的新特征。然而，在數(shù)據(jù)量愈發(fā)龐大以及建筑物越來越復(fù)雜的現(xiàn)實情況下，這些基于人工獲取圖像中低級特征的方法，無法實現(xiàn)建筑物的自動化準(zhǔn)確識別。

近年來，隨著深度學(xué)習(xí)的發(fā)展，卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks，CNN)在計算機(jī)視覺任務(wù)中表現(xiàn)出優(yōu)異的性能[10]。CNN通過學(xué)習(xí)圖像數(shù)據(jù)分層的語義來代替人工繁瑣的經(jīng)驗特征設(shè)計過程，進(jìn)而實現(xiàn)圖像特征提取的自動化[11]。自2012年以來，CNN被廣泛地應(yīng)用于圖像分類，AlexNet[12]、VGGNet[13]、GoogLeNet[14]和ResNet[15]等新型CNN結(jié)構(gòu)均在各個領(lǐng)域得以普遍的運用。然而，這些方法主要集中于圖像的標(biāo)簽分類，缺乏圖像中對象的精確定位和其邊界表征的提取[16]。因此，為了檢測物體及其空間位置，像素標(biāo)記的預(yù)測具有重要意義。

Long等[17]改善了目前通用的分類模型，通過用卷積層替換全連接層以輸出空間圖而不是分類概率，從而將CNN轉(zhuǎn)換為全卷積神經(jīng)網(wǎng)絡(luò)(fully convolutional networks，F(xiàn)CN)。然而，普通FCN無法恢復(fù)輸入圖像的分辨率，并且在分割小細(xì)節(jié)方面表現(xiàn)不佳，而諸如SegNet[18]和U-Net[19]之類的解碼器-編碼器(Encoder-Decoder)網(wǎng)絡(luò)模型可以有效地解決此問題，通過在Encoder-Decoder之間設(shè)置多個跳躍連接結(jié)構(gòu)以融合多級語義，進(jìn)而更好地恢復(fù)對象的邊界信息。為了進(jìn)一步提高準(zhǔn)確性，Deeplab系列[20]通過擴(kuò)展感受域、學(xué)習(xí)多尺度上下文信息和加入后處理結(jié)構(gòu)來提高分割精度，例如條件隨機(jī)場(conditional random field，CRF)和空洞空間金字塔池化模塊(atrous spatial pyramid pooling，ASPP)。但是，這些基于FCN變體的Encoder-Decoder網(wǎng)絡(luò)模型，只使用了部分層來產(chǎn)生最終的輸出，使得待分割對象的邊緣精度較低。

由于建筑物的復(fù)雜性，使得目標(biāo)具有多尺度特征，包括局部的建筑邊界拐角、紋理、宏觀的線形、邊界交叉等。小的局部特征有助于細(xì)節(jié)上的分割，而大規(guī)模的全局特征則有助于分類的準(zhǔn)確性。因此，建立具備多尺度提取建筑物圖像特征能力的語義分割網(wǎng)絡(luò)是本研究的核心。

建筑物邊界識別的準(zhǔn)確度直接影響著建筑物提取的最終效果。但是，建筑物邊界目標(biāo)是細(xì)小的線性結(jié)構(gòu)，而像素級分類中廣泛使用的損失函數(shù)，例如交叉熵(cross entropy，CE)，往往會忽略像素之間的關(guān)系，造成分割結(jié)果包含大量不準(zhǔn)確的模糊預(yù)測。因此，本文引入了對語義分割指標(biāo)Jaccard指數(shù)(即IoU得分)直接進(jìn)行優(yōu)化的Lovász損失函數(shù)[21]，通過減少Lovász損失獲得更高的Jaccard指數(shù)，從而得到更高質(zhì)量的分割結(jié)果。

本文的主要貢獻(xiàn)總結(jié)如下。

1)提出了一種稱為BuildingNet的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。該模型基于特征金字塔(feature pyramid network，F(xiàn)PN)結(jié)構(gòu)進(jìn)行改進(jìn)，并引入了ASPP模塊，具有針對不同分辨率圖像的良好特征提取性能。

2)在傳統(tǒng)二元交叉熵?fù)p失函數(shù)的基礎(chǔ)上引入了Lovász損失函數(shù)，將建筑物特征表示形式補充到一般的交叉熵?fù)p失函數(shù)無法達(dá)到的程度，從而提高了建筑物提取結(jié)果的質(zhì)量。

3)實驗在兩個高分辨率建筑物數(shù)據(jù)集，即遙感影像數(shù)據(jù)集(Vaihingen城市遙感圖像數(shù)據(jù)集[22])和無人機(jī)城市圖像數(shù)據(jù)集(UDD數(shù)據(jù)集[23])上均有優(yōu)異的表現(xiàn)，展示了模型良好的泛化能力。

圖1 本研究整體方案圖

1 網(wǎng)絡(luò)結(jié)構(gòu)

1.1 整體流程

語義分割可以看作是圖像像素級別分類問題，其輸出圖像和輸入圖像的分辨率需要一致。本文研究的建筑物圖像的邊界分割可以看作為一個二元語義分割問題，即將圖像中除建筑物以外的元素，如樹木、路面、車輛等均作背景元素處理。圖1顯示了本文對建筑物圖像進(jìn)行語義分割的整體方案：基于FPN特征提取結(jié)構(gòu)提出了一種用于建筑物特征增強(qiáng)的BuildingNet網(wǎng)絡(luò)，并改進(jìn)了訓(xùn)練過程中的損失函數(shù)，使其可以更好地適用于建筑物圖像的邊界分割。

1.2 FPN

FPN通過自上向下的路徑及橫向連接將分辨率低但語義強(qiáng)的圖像上層特征和語義弱但分辨率高的圖像下層特征進(jìn)行融合，進(jìn)而將建筑物圖像的語義信息和空間信息相結(jié)合，使得神經(jīng)網(wǎng)絡(luò)對于特征的檢測性能有了很大的提升。

1)自下而上的路徑。本研究使用ResNet-101作為骨干網(wǎng)絡(luò)，并預(yù)先在ImageNet公共數(shù)據(jù)集上進(jìn)行訓(xùn)練獲得初始權(quán)重。ResNet-101由五個卷積塊組成，當(dāng)通過骨干網(wǎng)絡(luò)提取隱藏在圖像中的特征時，圖像的空間維度每次減少一半，而連續(xù)兩個特征圖之間的通道深度相應(yīng)增加(圖2)。ResNet-101中每個卷積模塊的輸出被標(biāo)記為Ci(i=1，2，3，4，5)，隨后作用于自上而下的路徑。因此，該路徑產(chǎn)生特征圖為{C1，C2，C3，C4，C5}。

2)自上而下的路徑。通過構(gòu)建特征金字塔網(wǎng)絡(luò){O2，O3，O4，O5}創(chuàng)建自上而下的路徑。過程中首先對C5應(yīng)用1×1卷積濾波器，將其通道深度降低到256，這里創(chuàng)建的層稱為O5，成為第一個用于建筑物圖像分割的特征圖。當(dāng)沿著自上而下的路徑往下進(jìn)行時，上一層的空間維度會通過最近鄰上采樣(nearest)的方法擴(kuò)大2倍。與之相應(yīng)的是，對相應(yīng)的特征圖進(jìn)行1×1卷積，隨后，將這兩張?zhí)卣鲌D逐元素添加，進(jìn)行特征融合。所有特征金字塔輸出(O2，O3，O4，O5)都有256個輸出通道。以上過程如式(1)至式(3)所示。

TN=Conv2dm，s，d(CN)

(1)

O5=T5

(2)

(3)

式中：TN是通過將每個特征圖從自下而上的路徑用m=256個大小(d)和步長(s)都為(1，1)的核進(jìn)行卷積降維。上采樣Up(Mi，CN)將Mi的大小調(diào)整為CN的大小。ON(N=2，3，4，5)為自上而下路徑的輸出特征圖。由于C1的空間維度過大，會消耗過多內(nèi)存，因此過程在O2處停止。

BuildingNet圖像分割網(wǎng)絡(luò)基于FPN特征提取結(jié)構(gòu)，其整體模型結(jié)構(gòu)如圖3所示。

圖2 FPN特征金字塔提取結(jié)構(gòu)

圖3 BuildingNet建筑物分割網(wǎng)絡(luò)整體結(jié)構(gòu)圖

本文對FPN結(jié)構(gòu)作出如下改進(jìn)。首先，對FPN輸出特征圖{O2，O3，O4，O5}采用空洞卷積(Atrous_Convolution)來降低自下而上路徑中兩個特征圖融合時產(chǎn)生的混疊效應(yīng)，并且與傳統(tǒng)卷積運算相比，空洞卷積可以在不增加計算參數(shù)的前提下擴(kuò)大感受野。這個過程在式(1)至式(3)的基礎(chǔ)上可以總結(jié)如式(4)至式(5)所示。

P5=Atrous_Conv2dn，s，d′，r(O5)

(4)

PN=Atrous_Conv2dn，s，d′，r(Conv2dn，s，d′(ON))

(5)

式中：Atrous_Conv2d()為空洞卷積運算，其中濾波器個數(shù)n=256，大小d′=(3，3)。通過兩次3×3卷積(一次普通卷積，一次空洞卷積)來創(chuàng)建Pi(i=2，3，4)，因此所有輸出的維度均為256-d。然后，對Pi融合后輸入ASPP結(jié)構(gòu)。

1.3 空洞空間金字塔池化模塊(ASPP)

ASPP架構(gòu)已經(jīng)被證明可以很好地在多個尺度上分割對象，并且使結(jié)果更具魯棒性。建筑物圖像中包含豐富的邊界細(xì)節(jié)信息，同時建筑物像素周圍會有大量背景像素干擾，因此本文在BuildingNet中保留了Deeplabv3+中的ASPP架構(gòu)。

圖4 ASPP網(wǎng)絡(luò)結(jié)構(gòu)圖

圖4顯示的ASPP由4個不同孔隙率的平行空洞卷積組成。具體來說，ASPP由一個1×1卷積、三個平行的孔隙率分別為6、12和18的3×3空洞卷積以及一個生成圖像級特征的全局平均池化層組成。這些模塊生成的特征圖通過雙線性插值上采樣到輸入大小，然后連接并通過一個1×1的卷積。ASPP應(yīng)用于FPN部分產(chǎn)生的特征圖，隨后ASPP產(chǎn)生的特征圖被上采樣恢復(fù)至圖像原始尺寸，如圖3所示。

1.4 Lovász損失函數(shù)

卷積分割網(wǎng)絡(luò)可以通過正向傳播算法對輸入的預(yù)處理圖像進(jìn)行正向計算，并得到預(yù)測特征圖。圖1表明反向傳播算法(back propagation，BP)返還預(yù)測的結(jié)果和其對應(yīng)的建筑邊界真實標(biāo)簽之間的誤差(loss)，同時計算損失函數(shù)的梯度并將其反饋到參數(shù)更新算法(優(yōu)化器)更新神經(jīng)網(wǎng)絡(luò)的加權(quán)參數(shù)，其迭代訓(xùn)練過程即為權(quán)重參數(shù)不斷更新以及損失值不斷降低的過程，最終得到一個適用的權(quán)重模型。因此，損失函數(shù)用來評估預(yù)測值與真實值之間的不一致程度，損失函數(shù)越小，模型的魯棒性越好。

建筑物圖像具有高度結(jié)構(gòu)化的特征，圖像中屬于建筑物的像素表現(xiàn)出很強(qiáng)的依賴性，特別是對空間關(guān)系的依賴。然而，目前在圖像語義分割領(lǐng)域普遍的方法是在驗證集上計算圖像分割的交叉熵?fù)p失，在評價兩幅圖像之間的相似度時，會給每個像素分配相等的權(quán)重，導(dǎo)致對于空間信息的忽視。二元交叉熵(binary cross entropy，BCE)損失函數(shù)如式(6)所示。

(6)

(7)

則其損失如式(8)所示。

(8)

式(8)可以改寫為式(9)。

(9)

由于圖像由像素組成，所以對式(9)做如下改變以適應(yīng)離散對象，表達(dá)如式(10)所示。

(10)

本文將BCE損失函數(shù)與Lovász損失函數(shù)相結(jié)合來訓(xùn)練BuildingNet網(wǎng)絡(luò)，最終的損失函數(shù)表達(dá)如式(11)所示。

(11)

通過最小化這個損失函數(shù)，建筑物像素的預(yù)測正確概率得到最大化，本研究中α取0.5。

2 實驗分析

2.1 實驗數(shù)據(jù)集

為了驗證本文算法的有效性，本研究在Vaihingen城市遙感圖像數(shù)據(jù)集和UDD無人機(jī)城市圖像數(shù)據(jù)集上展開了實驗研究。

Vaihingen數(shù)據(jù)集是由德國Vaihingen小鎮(zhèn)上空拍攝的正射影像中提取出的33個2 500像素×2 500像素的圖像組成，圖像的地面采樣距離為0.09 m。其中，16個圖塊被標(biāo)記為像素級的數(shù)據(jù)真實標(biāo)簽，每一個地面真實標(biāo)簽都由六個類別組成，分別為地表、建筑物、低矮植被、樹木、車輛和背景。本研究只識別其中屬于建筑物類別的像素，因此將其他五個類別均看作背景，其中建筑物像素占比約26.69%。

UDD數(shù)據(jù)集是由專業(yè)級無人機(jī)在中國北京大學(xué)、葫蘆島市、河南大學(xué)和滄州市等地于離地60～100 m的高度收集的無人機(jī)圖像，大小為4 096像素×2 160像素和4 000像素×3 000像素。

為了增加訓(xùn)練樣本，本研究使用了諸如隨機(jī)縮放、旋轉(zhuǎn)、垂直/水平翻轉(zhuǎn)、對比度/亮度改變和高斯模糊等的圖像數(shù)據(jù)增強(qiáng)技術(shù)。數(shù)據(jù)增強(qiáng)有助于增加訓(xùn)練數(shù)據(jù)的數(shù)量，防止模型過擬合，從而提高訓(xùn)練性能。

上述兩個數(shù)據(jù)集分別被分為三個部分：訓(xùn)練集、驗證集和測試集，在訓(xùn)練集上訓(xùn)練本文網(wǎng)絡(luò)，每輪迭代(epoch)結(jié)束時對其進(jìn)行驗證，最后在測試集上測試網(wǎng)絡(luò)性能。

2.2 評價指標(biāo)

為了從多個方面定量評估建筑物圖像的分割結(jié)果，本文引入召回率(recall)、精確率(precision)、F1分?jǐn)?shù)和平均交并比(mIoU)四個評價指標(biāo)。

precision表示被正確分割為建筑物的像素點與所有分割為建筑物的像素點的比率。recall表示被分割為建筑物的像素點與真實建筑物像素點的比率。F1分?jǐn)?shù)和mIoU是綜合recall和precision的評估指標(biāo)，用于反映整體的分割效果。

2.3 訓(xùn)練設(shè)置

為了提高模型的魯棒性，所有圖像都經(jīng)過裁剪和標(biāo)準(zhǔn)化處理。首先，將輸入圖像隨機(jī)裁剪為512像素×512像素，裁剪有利于卷積神經(jīng)網(wǎng)絡(luò)的下采樣操作，同時降低了計算水平；然后，通過0～1歸一化和平均值相減，將裁剪后的圖像歸一化為[-0.5，0.5]。

實驗平臺采用Intel-i7-8700四核CPU處理器、32 GB內(nèi)存、NVIDIA-GTX-1080TI顯卡(GPU處理單元)，操作系統(tǒng)為Windows 10。本實驗網(wǎng)絡(luò)模型基于Pytorch深度學(xué)習(xí)框架搭建，同時運用了Nvidia公司的CUDA10.0的GPU運算平臺。訓(xùn)練中采用Adam優(yōu)化器，batch size數(shù)量為2，epoch次數(shù)為500，初始學(xué)習(xí)率為0.000 1，每次以0.9的速率衰減，衰減系數(shù)為0.000 2。為避免過擬合，本研究在所有卷積中引入了L2正則化，權(quán)重衰減為0.000 1。

2.4 對比實驗

本文提出的BuildingNet網(wǎng)絡(luò)基于FPN結(jié)構(gòu)進(jìn)行改進(jìn)，并引入了ASPP模塊。實驗選取了SegNet、U-Net和Deeplabv3+共三種常用的語義分割模型進(jìn)行對比驗證。除了表1所示的網(wǎng)絡(luò)結(jié)構(gòu)差異外，這四個模型的超參數(shù)(如卷積層、激活函數(shù)和優(yōu)化器)不變。

表1 四種實驗?zāi)Ｐ途W(wǎng)絡(luò)配置

FPN和ASPP的集成旨在捕獲圖像多尺度特征、融合圖像上下層語義信息來提高網(wǎng)絡(luò)的檢測性能。表2和表3顯示含有ASPP結(jié)構(gòu)的Deeplabv3+和BuildingNet明顯優(yōu)于未引入ASPP結(jié)構(gòu)的U-Net和SegNet，以表1的Vaihingen數(shù)據(jù)集的表現(xiàn)為例，Deeplabv3+的F1得分比U-Net高約1.61%，而BuildingNet則高出約3.62%；在引入FPN特征提取結(jié)構(gòu)之后，BuildingNet網(wǎng)絡(luò)的分割效果在Deeplabv3+的基礎(chǔ)上得到進(jìn)一步提升，BuildingNet的F1分?jǐn)?shù)達(dá)到94.58%，mIoU達(dá)到87.88%，這些量化結(jié)果證明了將FPN特征金字塔網(wǎng)絡(luò)和ASPP集成到神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中的策略是有效的。為了揭示模型的性能并解釋量化指標(biāo)，本文進(jìn)一步將預(yù)測的結(jié)果可視化。

表2 BuildingNet與現(xiàn)有網(wǎng)絡(luò)結(jié)構(gòu)的性能比較(Vaihingen數(shù)據(jù)集) %

表3 BuildingNet與現(xiàn)有網(wǎng)絡(luò)結(jié)構(gòu)的性能比較(UDD數(shù)據(jù)集) %

圖5和圖6分別展示了四種網(wǎng)絡(luò)對來自Vaihingen和UDD數(shù)據(jù)集特定區(qū)域樣本的識別結(jié)果：對于特征較為簡單的建筑物圖像，如圖像1顯示，四種分割網(wǎng)絡(luò)均有良好的表現(xiàn)；圖像2和圖像3為具有復(fù)雜邊界特征的建筑物圖像，SegNet和U-Net無法準(zhǔn)確或完全識別屬于建筑物的像素，而在第(e)列和第(f)列中，Deeplabv3+和BuildingNet通過ASPP結(jié)構(gòu)增加的卷積模塊數(shù)量和孔隙率，來擴(kuò)大網(wǎng)絡(luò)感受野，進(jìn)而從多尺度信息中捕捉圖像更多的特征，從而表現(xiàn)出更好的復(fù)雜邊界特征提取性能；對于具有大小不同的建筑物元素且建筑物像素占圖像比重較高的圖像，如圖像4，BuildingNet網(wǎng)絡(luò)通過FPN結(jié)構(gòu)融合分辨率低但語義強(qiáng)的圖像上層特征和語義弱但分辨率高的圖像下層特征，從而比Deeplabv3+在恢復(fù)特征和抑制誤報方面展示出更高的性能。第(g)列通過將BuildingNet的分割結(jié)果(圖中綠色部分)與原始圖像進(jìn)行疊加，進(jìn)一步直觀地觀察實驗結(jié)果與原始圖像間的差別。圖7和圖8展示了完整的測試集預(yù)測結(jié)果。

圖5 BuildingNet與現(xiàn)有網(wǎng)絡(luò)結(jié)構(gòu)的可視化比較(Vaihingen數(shù)據(jù)集)

圖6 BuildingNet與現(xiàn)有網(wǎng)絡(luò)結(jié)構(gòu)的可視化比較(UDD數(shù)據(jù)集)

圖7 Vaihingen數(shù)據(jù)集提取實例

圖8 UDD數(shù)據(jù)集提取實例

2.5 消融實驗

本文引入改進(jìn)的損失函數(shù)來提高建筑物邊界的分割準(zhǔn)確度和預(yù)測圖像的質(zhì)量，從而得到更精確的建筑物圖像分割效果。

為了驗證損失函數(shù)對實驗結(jié)果的影響，本文以Vaihingen數(shù)據(jù)集為例，設(shè)計了消融實驗作進(jìn)一步驗證。改進(jìn)的Lovász損失函數(shù)實驗結(jié)果如圖9所示。圖像1展示了由于特征的提取和分類過程中的不精確導(dǎo)致錯誤檢測的分割圖，通過改進(jìn)的Lovász損失函數(shù)消除了這些錯誤檢測；圖像2、圖像3顯示了改進(jìn)的Lovász損失函數(shù)消除了零星噪聲點的結(jié)果，說明了損失函數(shù)對改善圖像質(zhì)量的附加影響。表4展示了改進(jìn)的損失函數(shù)對分割網(wǎng)絡(luò)性能上的定量提升。

表4 消融實驗的定量結(jié)果 %

圖9 消融實驗的可視化結(jié)果

3 結(jié)束語

高分辨率的圖像為建筑物及其邊界的分割提供了更豐富的空間和結(jié)構(gòu)信息。隨著高分辨率建筑物圖像的可用性和普及性的提高，快速準(zhǔn)確地提取建筑物及其邊界信息意義重大。本文提出了一種基于特征金字塔FPN結(jié)構(gòu)的BuildingNet網(wǎng)絡(luò)，使得卷積神經(jīng)網(wǎng)絡(luò)具有針對不同分辨率圖像的良好特征提取性能。同時，本文設(shè)計了一種改進(jìn)的Lovász損失函數(shù)來訓(xùn)練所提出的網(wǎng)絡(luò)，有效地提高了提取結(jié)果的圖像質(zhì)量。通過對比實驗和消融實驗驗證了本文方法在建筑物識別與提取的準(zhǔn)確性和適應(yīng)性方面具有更高的性能，且過程高度自動化，可進(jìn)行大規(guī)模的建筑物提取。

盡管本文提出方法在建筑物圖像精確分割中取得了良好的效果，但仍然有較大的改進(jìn)空間，主要集中在兩個方面。一是數(shù)據(jù)集圖像的改進(jìn)。雖然本文選取的數(shù)據(jù)集已經(jīng)在建筑物圖像語義分割領(lǐng)域得到了充分的驗證，但其在建筑物邊界方面仍然需要一定改進(jìn)。如圖10所示，由于數(shù)據(jù)集制作環(huán)節(jié)，未標(biāo)注樹木遮擋下隱藏的建筑物邊界，導(dǎo)致本來屬于建筑物邊界的像素被錯誤地歸類為樹木，因此提高標(biāo)注方式，獲得高精度的數(shù)據(jù)集是一個值得關(guān)注的研究方向。二是識別速度的提升。高準(zhǔn)確性和高適應(yīng)性必然帶來圖像分割速度的問題，特別是高質(zhì)量圖像的廣泛使用，但由于本文模型復(fù)雜，并且FPN特征提取結(jié)構(gòu)基于較深的ResNet-101網(wǎng)絡(luò)，因此存在大量參數(shù)使得訓(xùn)練時間較長。在不降低計算精度的基礎(chǔ)上，尋找合適的方法縮短檢測時間，從而進(jìn)一步提高深度學(xué)習(xí)模型的能力是下一階段亟待解決的問題。

圖10 樹木影響下的分割結(jié)果