基于改进Mask R-CNN模型的铁路遥感影像房屋提取研究.pdf

第33卷第3期计算机应用研究与开发

铁路

Vol.33No.3RAILWAYCOMPUTERAPPLICATIONResearchandDevelopment

文章编号：1005-8451（2024）03-0007-06

EMaskR-CNN

基于改进模型的铁路遥感

影像房屋提取研究

黄一昕，方文珊，刘传朋

（中国铁路经济规划研究院有限公司铁路工程技术标准所，北京100038）

摘要：针对目前铁路建设预可行性研究阶段地形图制作存在的人工目视遥感解译效率低、生产周

期长等问题，结合深度学习的特点和优势，对实例分割模型MaskR-CNN

ConvolutionalNeuralNetwork）进行改进，选用ResNeXt101作为其主特征提取网络，并利用边缘提取

算法进一步实现了遥感影像的自动矢量化提取。试验结果表明，改进后的模型在MaskAP50、BoxAP50、

MaskmAP、BoxmAP等指标上均有明显的提升，可生成供铁路建设预可行性研究阶段拆迁费用计算的

房屋失量化影像，为该阶段的影像处理工作提供技术支撑。

关键词：铁道工程；模型改进；实例分割；MaskR-CNN；遥感影像

中图分类号：U212.2：TP39文献标识码：AD0I:10.3969/j.issn.1005-8451.2024.03.02

Houseextractionfromrailwayremotesensingimagesbasedonimproved

MaskR-CNNmodel

HUANGYixin,FANGWenshan,LIUChuanpeng

(RailwayEngineeringTechnicalStandardsDepartment,ChinaRailwayEconomicandPlanningResearchInstitute,

Beijing100038,China)

Abstract:Inresponsetothelowefficiencyofmanualvisualremotesensinginterpretationandlongproductioncycle

intheproductionoftopographicmapsduringthepre-feasibilitystudystageofrailwayconstruction,thispaper

combinedthecharacteristicsandadvantagesofdeeplearningtoimprovetheinstancesegmentationmodelMaskR-

CNN(MaskRegionbasedConvolutionalNeuralNetwork).ThepaperselectedResNeXt101asitsbackbonefeature

extractionnetwork,andfurtherimplementedautomaticvectorizationextractionofremotesensingimagesusingedge

extractionalgorithms.Theexperimentalresultsshowthattheimprovedmodel