基于改进Mask R-CNN模型的铁路遥感影像房屋提取研究

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(Mask Region-based Convolutional Neural Network)进行改进，选用ResNeXt101作为其主干特征提取网络，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Mask AP50、Box AP50、Mask mAP、Box mAP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矢量化影像，为该阶段的影像处理工作提供技术支撑。