Advanced building detection in VHR satellite imagery:
a comprehensive study using different mask R-CNN approaches

Advanced building detection in VHR satellite imagery: a comprehensive study using different mask R-CNN approaches

Dal 16 al 19 settembre 2024 si è svolto a Edimburgo il simposio Artificial Intelligence and Image and Signal Processing for Remote Sensing XXX.

Ogni anno questa importante comunità si riunisce per condividere e discutere le ricerche in corso, ascoltare le ultime scoperte, stabilire contatti con i colleghi e per approfondire tematiche sulle diverse aree di ricerca nell'ambito di Sicurezza, Difesa e Telerilevamento.

Gli argomenti includono la ricerca relativa al monitoraggio satellitare dell'atmosfera e all'imaging degli ecosistemi terrestri, nonché la ricerca nell'ambito dei sensori e delle tecnologie fotoniche per la sicurezza e la difesa.

Quest'anno in agenda anche il Paper Advanced building detection in VHR satellite imagery: a comprehensive study using different mask R-CNN approaches che è riuscito a passare la durissima selezione grazie al lavoro accurato e innovativo dei suoi autori: Luca Galli, Martina Infante, Edoardo Unali, Alberto Gallottini di Exprivia SpA.

L’identificazione accurata delle footprints degli edifici da immagini satellitari ad alta risoluzione è fondamentale per la pianificazione urbana e la risposta alle catastrofi. 

Questo articolo analizza le metodologie di rilevamento degli edifici utilizzando il framework Mask R-CNN e le sue varianti, con l'obiettivo di affrontare sfide come la classificazione accurata dei pixel di confine e la riduzione dei falsi positivi.

Per l'analisi vengono utilizzati due set di dati WorldView-3, incluso il set di dati di rilevamento degli edifici SpaceNet e un set di dati su Prato, in Italia. Per valutare le prestazioni del modello vengono impiegate tecniche augmented, come le funzionalità di rilevamento dei bordi NDVI e Sobel, e metriche di valutazione come il punteggio F1 e la precisione media.

I risultati rivelano la superiorità del Point Rend Mask R-CNN nel rilevare edifici più piccoli in ambienti urbani densamente popolati, mentre il RGB Cascade B Mask R-CNN si comporta bene sul set di dati di Prato. In particolare, i modelli Point Rend e Cascade dimostrano miglioramenti sostanziali rispetto ad altri metodi per il rilevamento degli edifici. Questa indagine fornisce approfondimenti sull'efficacia del framework Mask R-CNN e delle sue varianti per far avanzare la delineazione dell'impronta dell'edificio in varie applicazioni.