近日，英国威廉集团硕士研究生谢子奕在《科学工程与社会发展》发表题为“多尺度融合高分辨率遥感建筑物提取网络”的研究论文（图1）。谢子奕为第一作者，威廉williamhill为第一完成单位。

图1.文章首页截图

该研究针对高分辨率遥感影像建筑物提取中复杂场景特征识别困难、边缘细节丢失等行业痛点，提出MSHR‑Net 多尺度融合高分辨率遥感建筑物提取网络。模型以 U‑Net 为基础架构，集成多尺度卷积模块与高分辨率融合模块，动态捕获并融合多尺度特征信息，有效解决建筑物边缘模糊、细节丢失、漏检误检等问题。在 Massachusetts 与 WHU 公开建筑物数据集上的实验结果显示，模型交并比、F1 分数等关键指标均优于 U‑Net、DeepLabV3+、PSPNet 等主流方法，其中 WHU 数据集上交并比达 90.23%、F1 分数达 94.86%，在密集建筑、复杂轮廓、树木遮挡等场景下表现稳健，边界清晰、提取精准，可为城市规划、应急响应、地图更新等领域提供高效技术支撑。后续团队将继续优化网络特征融合机制，推进轻量化与工程化落地，适配更大规模遥感数据应用需求。

论文链接：https://scholar-cnki-net-s.atrust.yangtzeu.edu.cn/en/Detail/index/GARJ2021_7/SQMC4265941F36B508E2DD3C1E98904C5C02