...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Geoscience and Remote Sensing Letters >Building Footprint Generation Using Improved Generative Adversarial Networks
【24h】

Building Footprint Generation Using Improved Generative Adversarial Networks

机译：使用改进的生成对抗网络构建足迹生成

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Building footprint information is an essential ingredient for 3-D reconstruction of urban models. The automatic generation of building footprints from satellite images presents a considerable challenge due to the complexity of building shapes. In this letter, we have proposed improved generative adversarial networks (GANs) for the automatic generation of building footprints from satellite images. We used a conditional GAN (CGAN) with a cost function derived from the Wasserstein distance and added a gradient penalty term. The achieved results indicated that the proposed method can significantly improve the quality of building footprint generation compared to CGANs, the U-Net, and other networks. In addition, our method nearly removes all hyperparameters tuning.
机译：建筑足迹信息是城市模型3D重建的基本要素。由于建筑物形状的复杂性，从卫星图像自动生成建筑物覆盖区提出了相当大的挑战。在这封信中，我们提出了一种改进的生成对抗网络（GAN），用于根据卫星图像自动生成建筑足迹。我们使用条件GAN（CGAN），其成本函数源自Wasserstein距离，并添加了梯度罚分项。取得的结果表明，与CGAN，U-Net和其他网络相比，该方法可以显着提高建筑物占地面积的生成质量。此外，我们的方法几乎消除了所有超参数调整。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号