論文の概要: A Label Correction Algorithm Using Prior Information for Automatic and Accurate Geospatial Object Recognition

• arxiv url: http://arxiv.org/abs/2112.05794v1
• Date: Fri, 10 Dec 2021 19:27:53 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-14 18:17:32.129426
• Title: A Label Correction Algorithm Using Prior Information for Automatic and Accurate Geospatial Object Recognition
• Title（参考訳）: 位置空間オブジェクトの自動認識のための事前情報を用いたラベル補正アルゴリズム
• Authors: Weiwei Duan, Yao-Yi Chiang, Stefan Leyk, Johannes H. Uhl, Craig A. Knoblock
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 5.5042961659167045
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Thousands of scanned historical topographic maps contain valuable information covering long periods of time, such as how the hydrography of a region has changed over time. Efficiently unlocking the information in these maps requires training a geospatial objects recognition system, which needs a large amount of annotated data. Overlapping geo-referenced external vector data with topographic maps according to their coordinates can annotate the desired objects' locations in the maps automatically. However, directly overlapping the two datasets causes misaligned and false annotations because the publication years and coordinate projection systems of topographic maps are different from the external vector data. We propose a label correction algorithm, which leverages the color information of maps and the prior shape information of the external vector data to reduce misaligned and false annotations. The experiments show that the precision of annotations from the proposed algorithm is 10% higher than the annotations from a state-of-the-art algorithm. Consequently, recognition results using the proposed algorithm's annotations achieve 9% higher correctness than using the annotations from the state-of-the-art algorithm.
• Abstract（参考訳）: 何千もの歴史的地形図は、地域の水文学が時間とともにどのように変化したかなど、長い期間にわたる貴重な情報を含んでいる。 これらの地図の情報を効率的に解錠するには、大量の注釈付きデータを必要とする地理空間オブジェクト認識システムを訓練する必要がある。 地理的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、地図内の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。 しかし、2つのデータセットを直接重ね合わせると、出版年や地形図の座標投影系が外部のベクトルデータと異なるため、誤ったアライメントや誤った注釈が生じる。 本稿では,地図の色情報と外部ベクトルデータの以前の形状情報を利用して,誤一致や偽アノテーションを減らす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。 その結果,提案アルゴリズムのアノテーションを用いた認識結果は,最先端アルゴリズムのアノテーションよりも9%高い精度が得られることがわかった。

関連論文リスト

• Tightly-Coupled, Speed-aided Monocular Visual-Inertial Localization in Topological Map [0.7373617024876725]
  本稿では,トポロジカルマップを用いた車両速度支援単眼視覚慣性位置推定のための新しいアルゴリズムを提案する。 提案システムは、GPSやLiDARのような高価なセンサーに大きく依存する既存の手法の限界に対処することを目的としている。
  論文  参考訳（メタデータ） (2024-11-08T11:55:27Z)
• Map-aided annotation for pole base detection [0.0]
  本稿では2次元HDマップを用いて,画像中の極状特徴を自動的にアノテートする。 高さ情報がない場合、地図の特徴は地上のポールベースとして表現される。 ポールベースを検出するためにオブジェクト検出器をどのように訓練するかを示す。
  論文  参考訳（メタデータ） (2024-03-04T09:23:11Z)
• CartoMark: a benchmark dataset for map pattern recognition and 1 map content retrieval with machine intelligence [9.652629004863364]
  我々は,地図テキストアノテーション認識,地図シーン分類,地図超解像再構成,地図スタイル転送のための大規模ベンチマークデータセットを開発した。 これらの良好なラベル付きデータセットは、マップ特徴の検出、マップパターン認識、マップコンテンツ検索を行う最先端のマシンインテリジェンス技術を促進する。
  論文  参考訳（メタデータ） (2023-12-14T01:54:38Z)
• Neural Semantic Surface Maps [52.61017226479506]
  本稿では,2つの属とゼロの形状の地図を自動計算する手法を提案する。 提案手法は,手動のアノテーションや3Dトレーニングデータ要求を排除し,意味的表面-表面マップを生成する。
  論文  参考訳（メタデータ） (2023-09-09T16:21:56Z)
• Geo-Encoder: A Chunk-Argument Bi-Encoder Framework for Chinese Geographic Re-Ranking [61.60169764507917]
  中国の地理的再ランクタスクは、検索された候補者の中で最も関連性の高い住所を見つけることを目的としている。 そこで我々は,中国語の地理的意味論をより効果的に統合する,革新的なフレームワークであるGeo-Encoderを提案する。
  論文  参考訳（メタデータ） (2023-09-04T13:44:50Z)
• Improving Fuzzy-Logic based Map-Matching Method with Trajectory Stay-Point Detection [3.093890460224435]
  多くのGPS軌跡データセットには、静止点の不規則性が含まれており、地図マッチングアルゴリズムは、無関係な道路へのミスマッチ軌跡を作る。 我々は,DBSCANを用いた軌道データセット内の静止点をクラスタ化し,冗長データを排除し,マップマッチングアルゴリズムの効率を向上する。 提案手法は,従来のファジィ論理に基づくマップマッチング手法と同じ精度で,データサイズを27.39%削減し,処理時間を8.9%削減する。
  論文  参考訳（メタデータ） (2022-08-04T20:41:13Z)
• AutoGeoLabel: Automated Label Generation for Geospatial Machine Learning [69.47585818994959]
  リモートセンシングデータのためのラベルの自動生成のためのビッグデータ処理パイプラインを評価する。 我々は,大規模データプラットフォームであるIBM PAIRSを用いて,密集都市部でそのようなラベルを動的に生成する。
  論文  参考訳（メタデータ） (2022-01-31T20:02:22Z)
• Weakly Supervised Change Detection Using Guided Anisotropic Difusion [97.43170678509478]
  我々は、このようなデータセットを変更検出の文脈で活用するのに役立つ独自のアイデアを提案する。 まず,意味的セグメンテーション結果を改善する誘導異方性拡散(GAD)アルゴリズムを提案する。 次に、変化検出に適した2つの弱い教師付き学習戦略の可能性を示す。
  論文  参考訳（メタデータ） (2021-12-31T10:03:47Z)
• Automatic extraction of road intersection points from USGS historical map series using deep convolutional neural networks [0.0]
  道路交差点のデータは、異なる地理空間的応用と分析に利用されてきた。 我々は、ディープ畳み込みニューラルネットワークを領域ベースCNNと呼ばれるオブジェクト検出タスクに使用する標準パラダイムを採用した。 また、従来のコンピュータビジョンアルゴリズムと比較して、RCNNはより正確な抽出を提供する。
  論文  参考訳（メタデータ） (2020-07-14T23:51:15Z)
• Rethinking Localization Map: Towards Accurate Object Perception with Self-Enhancement Maps [78.2581910688094]
  本研究は, カテゴリーラベルのみを監督として, 正確な対象位置分布マップと対象境界を抽出する, 新たな自己強調手法を提案する。 特に、提案されたセルフエンハンスメントマップは、ILSVRC上で54.88%の最先端のローカライゼーション精度を達成する。
  論文  参考訳（メタデータ） (2020-06-09T12:35:55Z)
• Weakly-Supervised Salient Object Detection via Scribble Annotations [54.40518383782725]
  本稿では,スクリブルラベルからサリエンシを学習するための弱教師付きサリエント物体検出モデルを提案する。 そこで本研究では,予測されたサリエンシマップの構造アライメントを測定するために,新しい尺度であるサリエンシ構造尺度を提案する。 我々の手法は、既存の弱教師付き/非教師付き手法よりも優れているだけでなく、いくつかの完全教師付き最先端モデルと同等である。
  論文  参考訳（メタデータ） (2020-03-17T12:59:50Z)

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。