🏠 Здания

Извлечение крыш зданий из снимков высокого разрешения. Высокопроизводительная модель глубокого обучения обучена обнаруживать крыши зданий.

Теги модели 🏷️

Версия

06.07.2026

Географический домен

Глобальный

Модельный метод

Сегментация

GSD / Масштаб карты

0,3 м/з19

Примечание: Прогнозируется здание площадью менее 20 кв.м. удалены, чтобы не загромождать

Модель не извлекает следы напрямую, поскольку они нечетко видны на изображениях, но она может получить их, как и картографы-люди, переместив крышу к нижней части стены (см. Дополнительные параметры).

Дополнительные опции:

  • Классификация по типам зданий – типология зданий представлена ​​основными классами (см. ссылку).

  • Регуляризация - алгоритм исправляет неровности контуров нашей модели. Неправильная геометрия заменяется прямоугольниками, кругами или произвольными многоугольниками с углами 90 градусов, которые лучше соответствуют исходной форме. Этот параметр создает гораздо более удобные для карты формы, которые выглядят лучше, но некоторая первоначальная точность маски может быть потеряна.

  • Упрощение — упрощает форму здания, сохраняя ее близкую к исходной маске, с поправкой на кривые и сложные формы. Более приближенные формы, но менее прямые углы.

  • Объединить с OSM — некоторые области имеют большой охват данных OpenStreetMap, и если вы предпочитаете данные, аннотированные человеком, вы можете выбрать эту опцию. В этом случае мы проверяем для каждого здания, есть ли у него хороший соответствующий объект в OSM (индекс Жаккара), и если он есть, мы заменяем наш результат полигоном OSM. Это делает результат не основанным на изображении, поэтому здания можно смещать от фактического положения. Также исправленные здания повернуты в соответствии с ближайшими дорогами, загруженными из OSM.

  • Оценка высоты (бета-версия) – функция использует специальную модель на основе регрессии, которая определяет высоту с использованием визуальных индикаторов, таких как длина тени и видимые сегменты стены. В результате получается так называемая 3D-зона здания, где контур здания проецируется на уровень земли, а не на контур крыши. Это особенно полезно для наклонных изображений, где крыши часто кажутся смещенными.

Бенчмарки – сегментация

Аэрофотоснимки

Последнее обновление — 🏠 Здания v.06.07.2026 (Глобальное, Сегментация, 0,3 м/з19). Модель была оценена на глобальном наборе проверок из 7 областей интереса (AOI) на основе аннотированных вручную фактических данных. Метрики основаны на областях: IoU — это пересечение-объединение прогнозируемых и фактических масок построения, а F1/Precision/Recall вычисляются на перекрывающейся области маски.

АОИ (местоположение)

Прогнозируемые функции

долг

Ф1

Точность

Отзывать

США — Форт Майерс

65

0,907

0,951

0,983

0,921

США — Финикс

47

0,903

0,949

0,944

0,953

Канада — Риго

103

0,870

0,930

0,934

0,927

Австралия — Аделаида

92

0,868

0,929

0,914

0,945

Новая Зеландия — Лоуэр-Хатт

106

0,867

0,929

0,956

0,903

Новая Зеландия — Веллингтон

76

0,838

0,912

0,900

0,924

Великобритания — Лондон

68

0,813

0,897

0,873

0,922

Кот-д’Ивуар — Банголо

102

0,663

0,797

0,844

0,755

ЮАР — Вустер

156

0,592

0,744

0,867

0,651

Аэрофотоснимок (среднее значение 9 AOI)

815

0,813

0,893

0,913

0,878

IoU / F1 / Precision / Recall на основе области измеряется по маскам зданий наземной истины; пробный запуск 13 июня 2026 г.

Спутниковые снимки

Дополнительная проверка 🏠 Buildings v.2026-07-06 на спутниковых снимках пяти интересующих густонаселенных городских районов.

АОИ (местоположение)

Прогнозируемые функции

долг

Ф1

Точность

Отзывать

Россия — Уфа

426

0,821

0,902

0,897

0,907

Саудовская Аравия — Эр-Рияд

225

0,817

0,899

0,920

0,879

Индия — Бангалор

508

0,779

0,876

0,859

0,894

Индия — Тейн

429

0,768

0,869

0,889

0,849

ОАЭ — Абу-Даби

142

0,751

0,858

0,828

0,890

Спутник (среднее значение 5 AOI)

1730 г.

0,787

0,881

0,879

0,884

IoU / F1 / Precision / Recall на основе области измеряется по маскам зданий наземной истины; пробный запуск 16 июня 2026 г.

См.также

📊 См. детали эталонного теста для каждого местоположения для разбивки по районам как глобального, так и спутникового наборов, включая сравнение с предыдущей версией и наложением прогнозов и наземных данных.