论文部分内容阅读
道路提取在许多领域都有重要的应用,是一个非常必要并且活跃的研究课题。在以往的道路提取任务中通常采用人工标注的方法,但人工标注是一项复杂的工作,而且不能保证结果的准确和精度。随着计算机计算能力的提升,形态学算法、计算机视觉、机器学习等方法开始被用于道路提取和标记任务中。讨论了道路提取过程中常见的问题和可行的解决方案。并利用马萨诸塞道路数据集数据库进行了U-Net道路提取任务的实验。在缺乏训练样本和训练时间较短的情况下,证明了二元交叉熵损失和IoU损失函数的组合是完成该任务的可能方法。