边缘引导道路提取网络

边沿更完整

用边缘检测与注意力机制相融合，提升道路提取的连通性与边缘完整性，在多个基准上表现优于现有算法。

Ke, Zhang · 郭文月 · Yu, Anzhu · Chen, Xin · Junming, Chen · 长郑

IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 2025

参数信息

IoU提升

2.32 %

IoU提升

1.37 %

技术优势

边缘更连续

通过集成经典边缘检测技术，保留高频边界信息，使提取的道路边缘更完整，减少断裂。

多尺度融合

引入加权双向特征金字塔网络，捕捉不同层的多尺度语义信息，弥合低层与高层特征间的语义鸿沟，增强特征表达。

性能超基准

在两个公开道路数据集上，IoU指标较多种SOTA算法有提升；与Unet34相比，DeepGlobe提升2.32%，Massachusetts提升1.37%。

应用场景

• 无人机遥感：无人机遥感影像中的道路提取，要求边界清晰、连通性好；该模型的边缘保留机制有助于生成精确的道路矢量。
• 高精地图构建：在高精地图构建中，道路拓扑的完整性至关重要；该模型通过提升连通性，减少人工修正工作量。
• 自动驾驶感知：自动驾驶感知需要实时、可靠的道路边界提取；该模型能提供更完整的边缘信息，增强对道路结构的理解。