論文の概要: Road Mapping in Low Data Environments with OpenStreetMap

• arxiv url: http://arxiv.org/abs/2006.07993v1
• Date: Sun, 14 Jun 2020 19:39:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-21 13:24:58.494386
• Title: Road Mapping in Low Data Environments with OpenStreetMap
• Title（参考訳）: OpenStreetMapを用いた低データ環境における道路マッピング
• Authors: John Kamalu, Benjamin Choi
• Abstract要約: 道路の地理的分布の包括的かつ最新のマッピングは、広範な経済発展の指標として機能する可能性がある。 本研究は,OpenStreetMapのような高解像度衛星画像とクラウドソーシングリソースの,そのようなマッピング構築における可能性について検討する。
• 参考スコア（独自算出の注目度）: 0.3162999570707049
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Roads are among the most essential components of any country's infrastructure. By facilitating the movement and exchange of people, ideas, and goods, they support economic and cultural activity both within and across local and international borders. A comprehensive, up-to-date mapping of the geographical distribution of roads and their quality thus has the potential to act as an indicator for broader economic development. Such an indicator has a variety of high-impact applications, particularly in the planning of rural development projects where up-to-date infrastructure information is not available. This work investigates the viability of high resolution satellite imagery and crowd-sourced resources like OpenStreetMap in the construction of such a mapping. We experiment with state-of-the-art deep learning methods to explore the utility of OpenStreetMap data in road classification and segmentation tasks. We also compare the performance of models in different mask occlusion scenarios as well as out-of-country domains. Our comparison raises important pitfalls to consider in image-based infrastructure classification tasks, and shows the need for local training data specific to regions of interest for reliable performance.
• Abstract（参考訳）: 道路はあらゆる国のインフラにおいて最も重要な要素である。 人々、考え、商品の移動と交換を促進することで、地域内および国際国境内における経済的、文化的活動を支援している。 道路の地理的分布とその品質の包括的かつ最新のマッピングは、より広範な経済発展の指標として機能する可能性を秘めている。 このような指標は、特に最新のインフラ情報が入手できない農村開発プロジェクトの計画において、様々なインパクトの高い応用を持っている。 本研究は,OpenStreetMapのような高解像度衛星画像とクラウドソーシングリソースの,そのようなマッピング構築における可能性について検討する。 道路分類とセグメンテーションタスクにおけるOpenStreetMapデータの有用性を検討するために,最先端のディープラーニング手法を実験した。 また,異なるマスク閉塞シナリオにおけるモデルの性能と,国外ドメインとの比較を行った。 本比較では、画像ベースインフラストラクチャ分類タスクにおいて重要な落とし穴を生じさせ、信頼性の高いパフォーマンスのために、興味のある地域に特化したローカルトレーニングデータの必要性を示す。

関連論文リスト

• Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
  本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。 本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。 我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
  論文  参考訳（メタデータ） (2024-10-10T10:10:03Z)
• Learning Where to Look: Self-supervised Viewpoint Selection for Active Localization using Geometrical Information [68.10033984296247]
  本稿では, 位置決めの精度を高めるために, 視点選択の重要性を強調し, アクティブな位置決め領域について検討する。 私たちのコントリビューションは、リアルタイム操作用に設計されたシンプルなアーキテクチャ、自己教師付きデータトレーニング方法、および実世界のロボティクスアプリケーションに適した計画フレームワークにマップを一貫して統合する能力による、データ駆動型アプローチの使用に関するものです。
  論文  参考訳（メタデータ） (2024-07-22T12:32:09Z)
• Mapping High-level Semantic Regions in Indoor Environments without Object Recognition [50.624970503498226]
  本研究では,屋内環境における埋め込みナビゲーションによる意味領域マッピング手法を提案する。 地域識別を実現するために,視覚言語モデルを用いて地図作成のためのシーン情報を提供する。 グローバルなフレームにエゴセントリックなシーン理解を投影することにより、提案手法は各場所の可能な領域ラベル上の分布としてのセマンティックマップを生成する。
  論文  参考訳（メタデータ） (2024-03-11T18:09:50Z)
• Biological Valuation Map of Flanders: A Sentinel-2 Imagery Analysis [12.025312586542318]
  我々は、センチネル2衛星画像と組み合わせたフランダースの高密度なラベル付き地上真理マップを提示する。 提案手法は,地形図のレイアウトである「Kaartbladversnijdingen」と,詳細なセマンティックセグメンテーションモデルトレーニングパイプラインを利用する,形式化されたデータセット分割とサンプリング手法を含む。
  論文  参考訳（メタデータ） (2024-01-26T22:21:39Z)
• Semi-supervised Road Updating Network (SRUNet): A Deep Learning Method for Road Updating from Remote Sensing Imagery and Historical Vector Maps [3.350048575501172]
  本研究では,道路更新のための半教師付き学習(SRUNet)に基づく道路検出手法を提案する。 提案したSRUNetは,幅広い道路更新作業に対して,安定かつ最新かつ信頼性の高い予測結果を提供する。
  論文  参考訳（メタデータ） (2023-04-28T16:51:35Z)
• A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
  本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。 このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
  論文  参考訳（メタデータ） (2022-11-04T09:58:57Z)
• GANmapper: geographical content filling [0.0]
  本稿では,GAN(Generative Adversarial Network)を用いた空間データ生成手法を提案する。 当社のコントリビューションでは、粗大で広く利用可能な地理空間データを使用して、構築された環境のより細かいスケールで、あまり利用できない機能のマップを作成しています。 我々は、土地利用データと道路ネットワークを入力として、建物のフットプリントを生成し、世界中の9都市で実験を行う。
  論文  参考訳（メタデータ） (2021-08-07T05:50:54Z)
• Crowd-Sourced Road Quality Mapping in the Developing World [0.42173327609427325]
  道路網は国のインフラの最も重要な構成要素である。 土地利用計画から自然環境保全に至るまで,道路の地理的分布とその品質の最新のマッピングは,高度にインパクトのある応用に不可欠である。 我々は,道路の質を評価し,深層学習に基づく手法をドメイン間で伝達する上での重要な課題と機会を特定する,クラウドソースによる新たなアプローチを提案する。
  論文  参考訳（メタデータ） (2020-12-01T00:10:36Z)
• Deploying machine learning to assist digital humanitarians: making image annotation in OpenStreetMap more efficient [72.44260113860061]
  本稿では,OpenStreetMapにおけるボランティアの作業を支援し,最適化するためのインタラクティブな手法を提案する。 提案手法は,OSMのボランティアが検証・修正するために必要なデータ量を大幅に削減する。
  論文  参考訳（メタデータ） (2020-09-17T10:05:30Z)
• Utilizing Satellite Imagery Datasets and Machine Learning Data Models to Evaluate Infrastructure Change in Undeveloped Regions [0.0]
  本研究の目的は、鉄道などの大規模インフラプロジェクトを対象とした自動監視により、建設の方向性を定義し予測するための信頼性の高い指標を決定することである。 利用可能な衛星データを用いて3Dメッシュとデジタル表面モデル(DSM)を作成することにより、輸送経路を効果的に予測できることを期待する。
  論文  参考訳（メタデータ） (2020-09-01T02:11:14Z)
• Each Part Matters: Local Patterns Facilitate Cross-view Geo-localization [54.00111565818903]
  クロスビューなジオローカライゼーションは、異なるプラットフォームから同じ地理的ターゲットの画像を見つけることである。 既存の手法は通常、画像センター内の地理的ターゲットの微細な特徴をマイニングすることに集中している。 我々は、文脈情報を活用するために、ローカルパターンネットワーク(LPN)と呼ばれるシンプルで効果的なディープニューラルネットワークを導入する。
  論文  参考訳（メタデータ） (2020-08-26T16:06:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。