文献 | CVPR2025 | 全球尺度道路图数据集(规模增20倍)与SOTA道路提取方法, 已开源！

文章预览

转自： 遥感与深度学习 题目：Towards Satellite Image Road Graph Extraction: A Global-Scale Dataset and A Novel Method 会议： Conference on Computer Vision and Pattern Recognition 2025 论文：https://arxiv.org/abs/2411.16733 代码：https://github.com/earth-insights/samroadplus 年份：2025 单位：西安交通大学，中科院空天院，西安电子科技大学 注：本篇由论文原作者审阅 创新点 数据集： 文章提出了Global-Scale数据集，该数据集相比以往的公共道路提取数据集扩大了约20倍，覆盖13,800 km²，包含不同地形（城市、农村、山地等），比现有的City-Scale和SpaceNet数据集更全面。 新方法：SAM-Road++ 节点引导重采样（Node-Guided Resampling）：在训练过程中，不直接使用标注节点，而是从预测的道路掩模中重新采样最可能的节点，以减少训练和推理之间的匹配误差。 扩展线策略（Extended-Line Strategy）：针对卫星影像中的 ………………………………