地科學院研究生韓奎奎以第一作者身份在SCI二區期刊《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》上發表題為“SERNet: Spatially Enhanced Recalibration Network for Building Extraction in Dense Remote Sensing Scenes”的研究論文，其中永利6774app手机版官网為論文第一署名單位，研究生韓奎奎為第一作者，副教授楊元維為論文通訊作者。

針對密集建築場景下，建築物定位不準确的問題。文章充分利用空間信息，将特征提取過程分為三個階段：空間保留、增強和校準。提出了空間增強和再校準網絡（SERNet）。第一階段，采用設計的并行路徑特征提取架構（PPFEA），通過空間路徑獲取深度語義特征，保留空間信息，通過上下文路徑獲取深度語義特征。第二階段，提出了一種基于感知核的空間增強模塊。該模塊利用空間路徑特征預測分組核，通過核内相似度計算得到局部感知核，并利用核權值對分組後的局部細節信息進行強化。第三階段，設計了分組引導空間校準模塊（GBSCM）。根據規模變化的差異設置分組，通過計算特征之間的方向差度和距離差度，為偏差預測提供指導信息最終通過逐級标定實現建築特征的高分辨率重建。與其他SOTA算法相比，SERNet在Massachusetts、WHU Aerial和WHU Satellite I三個建築數據集上均達到了最優效果。相關代碼于https://github.com/khyibu/SERNet。

論文鍊接：https://ieeexplore.ieee.org/document/11002701

圖1不同網絡在精度與參數量上的對比圖

圖2論文首頁圖