道路が多尺度かつ多方向の特性を持ち、詳細情報が失われやすいという道路抽出の2つの課題に対して、詳細適応型強化および浅層特徴誘導に基づくリモートセンシング画像道路抽出ネットワークを提案する。まず、ストリップ畳み込み、注意機構、浅層特徴誘導戦略を利用し、ネットワークの空間的詳細情報の再構成能力を強化する浅層特徴誘導注意モジュールを提案する。次に、ガボール畳み込み、局所プーリング、全方向プーリングに基づき、多尺度多方向特徴融合モジュールを設計し、異なるスケールおよび方向の道路特徴の表現能力を向上させる。最後に、ガウスフィルタリング、差分演算、スネーク型畳み込み、標準畳み込みに基づき、詳細適応強化モジュールを構築し、詳細情報の適応的強化を実現する。提案ネットワークは、2つの一般的な公開道路抽出データセットCHN6-CUGおよびMassachusettsにおいてF1スコアとIoUがそれぞれ74.62%、62.38%、および77.86%、65.17%に達し、8つの比較手法と比較してCHN6-CUGおよびMassachusettsの両方で最高のF1スコアとIoUを獲得し、F1スコアとIoUをそれぞれ最低1.41%、1.32%、および1.04%、0.88%向上させた。他の先進的な手法と比較して、本モデルは道路抽出タスクにおいてより優れた性能を示し、高い抽出精度を維持しつつパラメータ量を抑え、優れた性能と効率のバランスを示している。

リモートセンシング画像;道路抽出;多尺度;注意;多方向畳み込み