基于全卷积神经网络的建筑物屋顶自动提取
|
|
刘文涛, 李世华, 覃驭楚
|
Automatic Building Roof Extraction with Fully Convolutional Neural Network
|
|
LIU Wentao,LI Shihua,QIN Yuchu
|
|
| 表1 网络层参数 |
| Tab. 1 Network layer parameters |
|
| 网络层 | 大小 | 网络层 | 大小 | | Conv1-1 | 3×3×64 | Deconv1-1 | 1×1 | | Conv1-2 | 3×3×64 | Deconv1-2 | 1×1 | | MaxPooling | 2×2 | - | - | | Conv2-1 | 3×3×128 | Deconv2-1 | 4×4 | | Conv2-2 | 3×3×128 | Deconv2-2 | 4×4 | | MaxPooling | 2×2 | - | - | | Conv3-1 | 3×3×256 | Deconv3-1 | 8×8 | | Conv3-2 | 3×3×256 | Deconv3-2 | 8×8 | | Conv3-3 | 3×3×256 | Deconv3-3 | 8×8 | | MaxPooling | 2×2 | - | - | | Conv4-1 | 3×3×512 | Deconv4-1 | 16×16 | | Conv4-2 | 3×3×512 | Deconv4-2 | 16×16 | | Conv4-3 | 3×3×512 | Deconv4-3 | 16×16 | | MaxPooling | 2×2 | - | - | | Conv5-1 | 3×3×512 | Deconv5-1 | 32×32 | | Conv5-2 | 3×3×512 | Deconv5-2 | 32×32 | | Conv5-3 | 3×3×512 | Deconv5-3 | 32×32 |
|
|
|