Extraction de routes par Deep Residual U-Net

L'extraction de routes à partir d'images aériennes est un sujet de recherche très actuel dans le domaine de l'analyse des images de télédétection. Dans cette lettre, nous proposons un réseau neuronal de segmentation sémantique qui combine les avantages de l'apprentissage résiduel et du U-Net pour l'extraction des zones routières. Le réseau est construit à partir d'unités résiduelles et présente une architecture similaire à celle du U-Net. Les avantages de ce modèle sont doubles : premièrement, les unités résiduelles facilitent la formation des réseaux profonds. Deuxièmement, les nombreuses connexions sauteuses au sein du réseau peuvent faciliter la propagation de l'information, nous permettant ainsi de concevoir des réseaux avec moins de paramètres mais une meilleure performance. Nous avons testé notre réseau sur un ensemble de données routières publiques et nous l'avons comparé au U-Net ainsi qu'à deux autres méthodes d'extraction de routes basées sur l'apprentissage profond considérées comme étant à l'état de l'art. L'approche proposée surpasses toutes les méthodes comparatives, démontrant ainsi sa supériorité par rapport aux techniques récemment développées à l'état de l'art.请注意，这里的翻译完全遵循了您的要求，包括内容准确性、表达流畅性、表述正式性和忠于原文。此外，所有常见的科技术语都使用了通用的法语译法。如果您有任何特定术语需要进一步澄清或调整，请随时告知。