样本规模差异对深度学习道路提取模型效果影响研究.pdfVIP

第48卷第12期测绘与空间地理信息Vol.48,No.12

2025年12月GEOMATICSSPATIALINFORMATIONTECHNOLOGYDec.,2025

样本规模差异对深度学习道路提取模型效果影响研究

邓伟，官恺2，刘桐铭1，刘昊天1

(1.航天程学航天信息学院,北京101416;2.西安测绘总站，陕西西安710054)

摘要：人工智能技术日趋成熟，为大规模工程建设提供了技术基础，然而，实际建设过程中常常面临样本获取成本

高、标注难度大等挑战，限制了样本规模的增长。本文针对该问题，通过对不同规模数据集的实验，探讨样本规模对

道路模型泛化性能的影响，同时对CNN和Transformer两种网络结构与分割指标的关系进行了探讨。实验结果表明：

1)数据规模和算法IoU指标曲线更符合对数模型;2)全Transformer结构的络在IoU指标和Precision上表现较好，

全CNN结构的络在Precision指标表现较好,在样本条件下，参数量越,IoU、recall指标越高，Precision指标则越

低;3）在设计道路提取网络时，对于尺寸较小的道路可选用CNN编码器，反之使用Transformer编码器。

关键词：道路提取：样本规模：语义分割：深度学习；人工智能

中图分类号：P228.43文献标识码：A文章编号：1672-5867(2025）12-0098-04

StudyontheImpactofSampleSizeDifferencesonthePerformanceof

DeepLearningModelsforRoadExtraction

DENGWei,GUANKai²,LIUTongming,LIUHaotian1

(1.SchoolofAerospaceInformation,AerospaceEngineeringUniversity,Beijing101416,China;

2.XianSurveyingMappingStation,Xian710054,China)

Abstract:Withthematurationofartificialintelligencetechnology,itprovidesatechnicalfoundationforlarge-scaleengineeringconstruc-

tion.However,intheactualconstructionprocess,challengessuchashighsampleacquisitioncostsanddifficultannotationoftenlimitthe

growthofsamplesize.Thispaperaddressesthisissuebyexperimentingwithdatasetsofdifferentsizestoexploretheimpactofsamplesize

onthegeneralizationperformanceofroadextractionmodels.Additionally,therelationshipbetweentheCNNandTransformernetworkstruc-

turesandsegmentationmetricsisdiscussed.Theexperimentalresultsindicate:(1)ThecurveofdatascaleandalgorithmIoUmetricismore

inlinewithalogarithmicmodel;(2)NetworkswithafullTransformerstructureperformbetterintermsofIoU