Github 推荐项目 | 微软发布 1.25 亿美国建筑足迹开放数据

该数据集包括美国 50 个州 124,885,597 个计算机生成的建筑物覆盖区，并且该数据可以免费下载和使用。

Github 链接：

https://github.com/Microsoft/USBuildingFootprints

FAQ

数据包括：

以 GeoJSON 格式储存的大约 1.25 亿个建筑物足迹多边形几何形状。

创作细节：

建筑物提取分两个阶段进行：

• 语义分割 - 使用DNN识别航拍图像上的建筑像素
• 多边化 - 将建筑像素斑点转换为多边形

语义分割：

DNN 架构

网络基础是 ResNet34（https://github.com/Microsoft/CNTK/blob/master/PretrainedModels/Image.md#resnet）。为了输出产生的像素图像，微软在论文（https://arxiv.org/abs/1611.06612）中增加了 RefineNet 采样层。该模型是完全卷积的，这意味着该模型可以应用于任何大小的图像（受 GPU 内存约束，在我们的例子中为 4096x4096）。

训练细节

训练集包含 500 万个标记图像。大部分卫星图像覆盖了美国不同的住宅区。为了良好的集合表现，我们丰富了集合，包括山脉、冰川、森林、沙漠、海滩、海岸等各个区域的样本。集合中的图像为 256x256 像素大小，1 英尺/像素分辨率。使用 32 个 GPU 通过 CNTK 完成培训。

度量

这些是我们用于跟踪 DNN 模型改进的中间阶段指标，它们是基于像素的。评估集上的像素误差为 1.15％。 像素召回/精度 = 94.5％/ 94.5％。

多边化

方法说明

微软开发了一种方法，将预测像素图像近似为多边形，并根据整个预测特征空间做出决策。这和类似 Douglas-Peucker 这样的标准算法不一样，其本质上是贪婪算法。该方法试图施加一些修道院建筑物属性，目前，这些属性是手动定义和自动调整的。其中一些先验属性是：

• 建筑物边缘必须至少具有一定长度，包括相对长度和绝对长度，例如 3米
• 连续的边角可能是90度
• 连续的角度不能非常尖锐，通过一些自动调谐的阈值可以更小，例如， 30度
• 建筑物角度可能具有非常少的主角度，意味着所有建筑物边缘形成角度（主导角度 ±nπ/ 2）

在不久的将来，微软将寻求从现有的建筑信息中自动推断出这一点。

度量

建立匹配指标