融合ASPP与双注意力机制的建筑物提取模型

精准高效地从高分辨率遥感影像中提取建筑物信息对国土规划和地图制图意义重大,近年来基于卷积神经网络进行建筑物信息提取已经取得了很大的进展,然而在处理高分辨率遥感影像时仍存在影像的高级语义特征利用不够充分,难以获得细节丰富高精度分割影像的问题。文章针对以上问题提出了一种用于建筑物自动提取的深度学习网络结构空洞空间与通道感知网络(Atrous Space and Channel Perception Network,ASCP-Net)。该模型将空洞空间金子塔池化(Atrous Spatial Pyramid Pooling, ASPP)和空间与通道注意力(Spatial and Channel Attention, SCA)模块融入到编码器-解码器结构中,通过ASPP模块来捕获和聚合多尺度上下文信息,采用SCA模块选择性增强特定位置和通道中更有用的信息,并将高低层特征信息输入解码网络完成建筑物信息的高效提取。在WHU建筑数据集(WHU Building Dataset)上进行实验,结果表明:文章提出的方法总体精度和F1评分分别达到了97.4%和94.6%,相比其他模型能够获得更清晰的建筑物边界,尤其对图像边缘不完整建筑的提取效果较好,有效提升了建筑物提取的精度和完整性。

高密度电法在建筑地基勘察中的应用和改进建议

高密度电法是一种重要且成熟的电法勘探技术。本文论述了高密度电法的基本原理,以工程实例介绍了高密度电法在建筑地基基础勘察方面,对石灰岩基地中岩溶、裂隙的防范性探测和建筑地基处于采空区时的探测。总结了最近几年高密度电法的技术进展—三维高密度电法和超高密度电法技术,超高密度电法开发了新的采集形式,采集信息巨大,在工程地质领域取得了很好的效果;创新地提出了高密度电法仪器的改进思路,提升高密度电法的勘探深度和精度。