# Wydobywanie obrysów budynków ze zdjęć

EN: **Building footprint extraction from overhead imagery** · id `buildingextraction` · aliases: building footprint extraction, building segmentation, wektoryzacja zabudowy

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [AI w obserwacji Ziemi i geoinformatyce](https://aiatlasgraph.com/t/geoai.md) › [Analiza zdjęć satelitarnych i lotniczych](https://aiatlasgraph.com/t/eoanalysis.md) › Wydobywanie obrysów budynków ze zdjęć

## Description

- PL: Segmentacja budynków na zdjęciach bardzo wysokiej rozdzielczości i wektoryzacja masek do obrysów zapisanych jako poligony.
- EN: Segmenting buildings in very-high-resolution overhead imagery and vectorising the masks into footprint polygons.

## In one sentence

- PL: Automatyczne rysowanie na mapie konturów budynków na podstawie zdjęć z góry.
- EN: Automatically drawing building outlines on a map from overhead imagery.

## Problem it solves

- PL: W wielu regionach świata nie ma aktualnych map zabudowy, a ręczne obrysowanie milionów dachów zajęłoby lata.
- EN: Many regions of the world lack up-to-date maps of buildings, and tracing millions of roofs by hand would take years.

## What it does

- PL: Jak kreślarz, który kalkuje każdy dach z fotografii, tyle że robi to dla całego kontynentu i podaje, na ile jest pewny.
- EN: Like a draughtsman tracing every roof from a photo, except it does it for a whole continent and says how sure it is.

## Everyday example

- PL: Organizacja pomocowa planuje szczepienia w wioskach, których nie ma na żadnej mapie, licząc domy z wygenerowanych obrysów.
- EN: An aid group plans vaccinations in villages missing from every map by counting houses from generated outlines.

## This concerns you if you…

- PL: tworzysz lub uzupełniasz mapy
- PL: planujesz usługi dla ludzi w słabo zmapowanych miejscach
- EN: create or update maps
- EN: plan services for people in poorly mapped places

## Keywords

Open Buildings · Microsoft Building Footprints · U-Net · polygonization · OpenStreetMap

## How it works

- PL: Sieć segmentacyjna, np. U-Net z enkoderem ResNet, przewiduje maski budynków; ważenie błędów przy granicach pomaga rozdzielić stykające się dachy. Pretrening, mixup i samouczenie na nieoznaczonych scenach poprawiają uogólnianie, a maski są następnie zamieniane w poligony.
- EN: A segmentation network such as a U-Net with a ResNet encoder predicts building masks; boundary-weighted losses help separate touching roofs. Pretraining, mixup and self-training on unlabelled scenes improve generalisation, and masks are then converted into polygons.

## Limits

- PL: Duże budynki bywają dzielone na kilka, a dachy zlewające się z piaskiem lub glebą są pomijane. Jakość zależy od progu pewności dobranego dla regionu.
- EN: Large buildings can be split into several, and roofs blending with sand or soil are missed. Quality depends on a confidence threshold tuned per region.

## Key terms

- PL: **footprint**: obrys budynku widziany z góry, zapisany jako wielokąt
- PL: **wektoryzacja**: zamiana pikseli maski na linie i wielokąty mapy
- EN: **footprint**: a building's outline seen from above, stored as a polygon
- EN: **vectorisation**: turning mask pixels into map lines and polygons

## Know first

- [Segmentacja semantyczna (Semantic segmentation)](https://aiatlasgraph.com/t/semanticseg.md)
- [Segmentacja instancji i panoptyczna (Instance and panoptic segmentation)](https://aiatlasgraph.com/t/instanceseg.md)

## Sources

- [Continental-Scale Building Detection from High Resolution Satellite Imagery](<https://arxiv.org/abs/2107.12283>) `openbuildings-2021` · by Wojciech Sirko; Sergii Kashubin; Marvin Ritter; Abigail Annkah; Yasser Salah Eddine Bouchareb; Yann Dauphin; Daniel Keysers; Maxim Neumann; Moustapha Cisse; John Quinn

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/buildingextraction · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30