近日，英国威廉集团硕士研究生江明翰在《科学工程与社会发展》发表题为“基于深度学习的道路提取方法研究”的研究论文（图1）。江明翰为第一作者，威廉williamhill为第一完成单位。

图1.文章首页截图

针对遥感影像道路提取任务，提出了一个多任务协同建模的道路提取网络，该网络通过对多个道路提取任务进行联合建模，在训练过程中使其相互约束，提高道路提取的完整性和连续性。针对高分辨率遥感影像中道路目标尺度变化大和结构复杂多变的特点，提出了轻量级多尺度注意力融合模块（L-MAAF），通过引入跨尺度特征交互与动态门控机制，并结合通道与空间注意力，实现了特征的自适应增强与高效融合，为后续任务提供了良好的特征表示。基于该框架构建的道路提取模型，在复杂场景下表现出更稳定的结构恢复能力。本文选取了一些主流的单任务和多任务道路提取方法，在DeepGlobe和Massachusetts 两个道路数据集上进行对比实验，道路提取精度取得了显著提高。

论文链接：http://www.ispgoa.com/thesisDetails?manuscriptId=1887