Fugu-MT 論文翻訳(概要): Map-Repair: Deep Cadastre Maps Alignment and Temporal Inconsistencies Fix in Satellite Images

論文の概要: Map-Repair: Deep Cadastre Maps Alignment and Temporal Inconsistencies Fix in Satellite Images

arxiv url: http://arxiv.org/abs/2007.12470v1
Date: Fri, 24 Jul 2020 12:11:28 GMT
ステータス: 処理完了
システム内更新日: 2022-11-07 06:59:40.436882
Title: Map-Repair: Deep Cadastre Maps Alignment and Temporal Inconsistencies Fix in Satellite Images
Title（参考訳）: 地図修復:衛星画像における深部キャダストアマップのアライメントと時間的不整合
Authors: Stefano Zorzi, Ksenia Bittner, Friedrich Fraundorfer
Abstract要約: 開発途上国では、新しい建物や古い建物を破壊することは困難である。本研究では,入力強度画像と利用可能な建物のフットプリントとの矛盾を解消するエンド・ツー・エンドのディープラーニング手法を提案する。
参考スコア（独自算出の注目度）: 19.467876013953894
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In the fast developing countries it is hard to trace new buildings construction or old structures destruction and, as a result, to keep the up-to-date cadastre maps. Moreover, due to the complexity of urban regions or inconsistency of data used for cadastre maps extraction, the errors in form of misalignment is a common problem. In this work, we propose an end-to-end deep learning approach which is able to solve inconsistencies between the input intensity image and the available building footprints by correcting label noises and, at the same time, misalignments if needed. The obtained results demonstrate the robustness of the proposed method to even severely misaligned examples that makes it potentially suitable for real applications, like OpenStreetMap correction.
Abstract（参考訳）: 急速な発展途上国では、新しい建物や古い構造物の破壊を辿ることは困難であり、その結果、最新のカダストレ地図を維持することは困難である。また, 都市域の複雑化やカダストアマップ抽出に使用されるデータの整合性のため, 誤認識の形の誤りが一般的な問題である。本研究では,ラベルノイズを補正することで入力強度画像と利用可能な建物の足跡の不一致を解消し,必要に応じて誤用を解消する,エンドツーエンドのディープラーニング手法を提案する。得られた結果から,openstreetmap 補正のような実アプリケーションに適応できるような,過度に不整合な例まで,提案手法の頑健性が示される。

関連論文リスト

SA-MixNet: Structure-aware Mixup and Invariance Learning for Scribble-supervised Road Extraction in Remote Sensing Images [85.52629779976137]
複雑化の進んだ画像シーンを作成するために,ある画像から別の画像へ道路領域を貼り付ける構造を意識したミックスアップ方式を提案する。道路構造を保ちながら接続性を高めるために,識別器に基づく正規化が設計されている。われわれのフレームワークは、DeepGlobe、Wuhan、およびマサチューセッツのデータセット上で優れたパフォーマンスを示している。
論文参考訳（メタデータ） (2024-03-03T02:56:43Z)
TFNet: Tuning Fork Network with Neighborhood Pixel Aggregation for Improved Building Footprint Extraction [11.845097068829551]
深層セマンティックセグメンテーションのための新しいチューニングフォークネットワーク(TFNet)の設計を提案する。 TFNetの設計は、トレーニングプロセス中にタイル境界に周辺情報を組み込む新しい手法と組み合わせられている。パフォーマンス比較では、SpaceNet2とWHUのデータセットと、密接な接続された建物をキャプチャするパキスタンのラホールのエリアからのデータセットを使用します。
論文参考訳（メタデータ） (2023-11-05T10:52:16Z)
Unsupervised Landmark Discovery Using Consistency Guided Bottleneck [63.624186864522315]
画像再構成に基づくパイプラインに一貫性のあるボトルネックを導入する。本稿では,画像間のランドマーク対応を形成することによって,擬似スーパービジョンを得る手法を提案する。この一貫性は、アダプティブ・ヒートマップの生成において発見されたランドマークの不確かさを変調する。
論文参考訳（メタデータ） (2023-09-19T10:57:53Z)
Robust Self-Supervised LiDAR Odometry via Representative Structure Discovery and 3D Inherent Error Modeling [67.75095378830694]
そこで我々は,2段階のオドメトリ推定ネットワークを構築し,一連の部分領域変換を推定してエゴモーメントを求める。本稿では,トレーニング,推論,マッピングフェーズにおける信頼できない構造の影響を軽減することを目的とする。我々の2フレームのオードメトリーは、翻訳/回転誤差の点で、過去の芸術の状態を16%/12%上回っている。
論文参考訳（メタデータ） (2022-02-27T12:52:27Z)
A Label Correction Algorithm Using Prior Information for Automatic and Accurate Geospatial Object Recognition [5.5042961659167045]
地理的に参照された外部ベクトルデータを座標に従って地形地図に重ね合わせると、所望のオブジェクトの位置を自動的にアノテートすることができる。本稿では,地図の色情報と外部ベクトルデータの事前形状情報を利用するラベル補正アルゴリズムを提案する。実験の結果,提案アルゴリズムのアノテーションの精度は最先端アルゴリズムのアノテーションよりも10%高いことがわかった。
論文参考訳（メタデータ） (2021-12-10T19:27:53Z)
Cross-Region Building Counting in Satellite Imagery using Counting Consistency [8.732274235941974]
都市分析、災害管理、公共政策決定に欠かせない要素である。衛星画像のローカライズとカウントのためのディープラーニング手法は、実現可能で安価な代替手段として機能する。しかし、これらのアルゴリズムは、訓練されていない領域に適用した場合、性能劣化に悩まされる。
論文参考訳（メタデータ） (2021-10-26T10:36:56Z)
ICON: Learning Regular Maps Through Inverse Consistency [19.27928605302463]
画像登録の計算など空間変換の正則性をもたらすものについて検討する。深いネットワークと逆整合損失とランダム化されたオフグリッド収量は、ほぼ微分同相の空間変換でよく振る舞う。このアプローチの単純さにもかかわらず、実験は合成データと実データの両方において、明示的な正規化子と競合的な登録性能を慎重に調整せずに正規写像を得ることができるという説得力のある証拠を示している。
論文参考訳（メタデータ） (2021-05-10T15:52:12Z)
Better Patch Stitching for Parametric Surface Reconstruction [100.55842629739574]
ローカルマッピングのグローバルな一貫性を明示的に促進するアプローチを導入する。第一項は表面の正規性を利用しており、個々の写像内および全体にわたって推定された場合、局所的に一貫した状態を保つことを要求する。第2項はさらに、新しい縫合誤差を最小化することにより、マッピングの空間構成を改善する。
論文参考訳（メタデータ） (2020-10-14T12:37:57Z)
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)
Guidance and Evaluation: Semantic-Aware Image Inpainting for Mixed Scenes [54.836331922449666]
本稿では,SGE-Net(Semantic Guidance and Evaluation Network)を提案する。セマンティックセグメンテーションマップをインペイントの各尺度のガイダンスとして利用し、そこで位置依存推論を再評価する。混合シーンの現実画像に対する実験により,提案手法が最先端手法よりも優れていることが示された。
論文参考訳（メタデータ） (2020-03-15T17:49:20Z)

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。