感觉主要是数据的创新，方法就是比较了传统方法（RF,SVM,Adaboost）和CNN，输入比较了单像素输入和像素周围3,5,7大小的范围。也不是语义分割，最基本的CNN，单像素时还用的1*1的卷积
用的数据是landsat8作为检测的图，真值点用欧空局的2014年全球38m建城区数据为基准随机生成，再利用OpenStreetMap, 和 MOD13Q1-NDVI来对生成的点进行校正。
数据的处理方面除了landsat8的原始波段，将1-7波段最近邻法上采样到15m分辨率，再计算了NDBI, IBI, EMBI，纹理特征，灰度共生矩阵，各种组合作为输入比较。
由于不同特征数值范围不同，先归一化到0-1，再线性拉伸到0-255，一般都归一化到0-1就好了，它还再拉伸开来，可能这样对传统机器学习方法较好
还有一点就是他的文献综述还不错，比较了特征工程和特征学习，基于像素和基于patch，中分辨率建城区提取