近日，面向地理空间智能（GeoAI）领域的建筑足迹提取刚需，业内推出基于U-Net、Grounding DINO、SAM（Segment Anything Model）、Mask R-CNN多模型组合的技术方案，可对NAIP高分辨率航拍影像实现亚米级精度的建筑轮廓自动提取，相较传统单模型方案识别准确率提升27%，为国土测绘、城市规划等场景提供了新的落地路径。
长期以来，遥感影像中的建筑轮廓提取是国土测绘、灾害应急、城市更新领域的核心刚需，但传统人工标注单平方公里影像需要耗时4-6小时，而单模型AI识别方案往往存在边缘识别模糊、小型建筑漏检等问题，准确率普遍不足70%，难以落地商用。
据行业测算数据，2025年全球GeoAI相关市场规模已突破180亿美元，年复合增速保持在32%以上，但遥感影像结构化解析的精度不足，一直是制约其在细分场景落地的核心瓶颈。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号