科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对屋顶光伏资源评估中难以准确高效地获取建筑物屋顶区域的问题，该文提出一种基于Unet的FPN＿AttentionUnet语义分割网络，用于实现建筑物屋顶的高精度自动提取。该网络融合Soft-Attention注意力机制和双层特征金字塔FPN以提取准确的语义信息，精细化分割结果。Soft-Attention注意力机制用于处理和连接编码部分与解码部分的特征图；双层特征金字塔FPN融合解码部分不同尺度的特征图来获取不同尺度的特征信息。采用无人机获取苏州某区域上空的建筑物数据集和武汉大学WHU公开数据集分别进行训练，训练结果表明：与Unet、AttentionUnet、FPNUnet网络相比，该文提出的FPN＿AttentionUnet在建筑物外轮廓提取中具有更高的精度，有效提高边缘提取效果。在自制数据集中类别像素准确率CPA达95.56%，平均交并比MIoU达91.10%，在WHU公开数据集中分割效果同样优于其他对比网络，所提算法能够有效提升建筑物外轮廓边缘的分割精度。最后以河海大学常州校区为例，利用提出的算法从无人机图像中分割建筑物，评估指定区域的光伏发电量与光伏组件安装潜力。
