Fugu-MT 論文翻訳(概要): Parkour Spot ID: Feature Matching in Satellite and Street view images using Deep Learning

論文の概要: Parkour Spot ID: Feature Matching in Satellite and Street view images using Deep Learning

arxiv url: http://arxiv.org/abs/2201.00377v1
Date: Sun, 2 Jan 2022 16:55:00 GMT
ステータス: 処理完了
システム内更新日: 2022-01-04 21:12:04.623271
Title: Parkour Spot ID: Feature Matching in Satellite and Street view images using Deep Learning
Title（参考訳）: Parkour Spot ID:ディープラーニングを用いた衛星画像とストリートビュー画像の特徴マッチング
Authors: Jo\~ao Morais, Kaushal Rathi, Bhuvaneshwar Mohan, Shantanu Rajesh
Abstract要約: Google Mapsでインデックス化されていない場所を特定するための直感的な手法を提案する。この手法では、衛星画像とストリートビュー画像をマシンビジョンのアプローチで位置を分類する。新しいParkourスポットは25以上あり、正の確率は60%を超えています。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: How to find places that are not indexed by Google Maps? We propose an intuitive method and framework to locate places based on their distinctive spatial features. The method uses satellite and street view images in machine vision approaches to classify locations. If we can classify locations, we just need to repeat for non-overlapping locations in our area of interest. We assess the proposed system in finding Parkour spots in the campus of Arizona State University. The results are very satisfactory, having found more than 25 new Parkour spots, with a rate of true positives above 60%.
Abstract（参考訳）: Googleマップにインデックスされていない場所を見つけるには? 本研究では,その空間的特徴に基づいて位置を特定するための直感的な手法とフレームワークを提案する。本手法では,衛星画像とストリートビュー画像を用いて位置の分類を行う。ロケーションを分類できれば、関心のある領域の重複しないロケーションを繰り返すだけでよいのです。アリゾナ州立大学キャンパスにおける公園跡の探索システムについて検討した。結果は非常に良好で、25以上の新しいパークール点が発見され、60%以上の正の値が得られた。

関連論文リスト

Statewide Visual Geolocalization in the Wild [25.978498270475747]
本研究では,空中参照画像のデータベースと照合することにより,州規模の検索領域内において野生で撮影されたストリートビュー画像の位置を予測できる手法を提案する。探索領域を地理的なセルに分割し、セルと対応する画像を、テスト時に検索を行うために使用される共同埋め込み空間にマッピングするモデルを訓練する。実験により、この方法はマサチューセッツ州のクラウドソーシングプラットフォームMapillaryにアップロードされた全ストリートビュー写真の60.6%を、地道な場所の50m以内にローカライズすることに成功した。
論文参考訳（メタデータ） (2024-09-25T09:18:19Z)
Weakly-supervised Camera Localization by Ground-to-satellite Image Registration [52.54992898069471]
本稿では,地対衛星画像登録のための弱教師付き学習戦略を提案する。地上画像ごとに正の衛星画像と負の衛星画像を導き出す。また,クロスビュー画像の相対回転推定のための自己超越戦略を提案する。
論文参考訳（メタデータ） (2024-09-10T12:57:16Z)
Beyond Geo-localization: Fine-grained Orientation of Street-view Images by Cross-view Matching with Satellite Imagery with Supplementary Materials [29.015865103837413]
クラウドソースされた膨大なストリートビュー画像がインターネットにアップロードされる。この「使い捨て」状態の隠された宝物を作成するためには、位置情報とカメラ向きの角度が等しく重要な2つのタスクである。近年, 衛星画像のプールとのクロスビューマッチングにより, ストリートビュー画像のジオローカライズに高い性能を実現している。本研究では,ストリートビュー画像の微粒な配向を見つけることの重要性を再定義し,問題を正式に定義し,配向推定の品質を評価するための評価指標のセットを提供する。
論文参考訳（メタデータ） (2023-07-07T05:50:14Z)
Where We Are and What We're Looking At: Query Based Worldwide Image Geo-localization Using Hierarchies and Scenes [53.53712888703834]
地理的レベルの異なる関係を利用して、エンドツーエンドのトランスフォーマーベースのアーキテクチャを導入する。 4つの標準ジオローカライゼーションデータセット上で,アートストリートレベルの精度を実現する。
論文参考訳（メタデータ） (2023-03-07T21:47:58Z)
HPointLoc: Point-based Indoor Place Recognition using Synthetic RGB-D Images [58.720142291102135]
本稿では,屋内環境における視覚的位置認識能力の探索を目的とした,HPointLocという新しいデータセットを提案する。データセットは人気のあるHabitatシミュレータに基づいており、独自のセンサーデータとオープンデータセットの両方を使用して屋内シーンを生成することができる。
論文参考訳（メタデータ） (2022-12-30T12:20:56Z)
Public Parking Spot Detection And Geo-localization Using Transfer Learning [0.0]
世界中の都市では、公共駐車場と空き駐車場の配置が大きな問題であり、通勤者の時間と交通渋滞が増大している。この研究は、携帯電話カメラからのGeo-Tagged画像のデータセットを、ニューラルネットワーク駆動のパブリックカメラによって検出された利用可能な駐車スペースを備えたヨハネスブルグの最も便利な公共駐車場へのナビゲートに利用する方法を説明する。
論文参考訳（メタデータ） (2022-09-01T04:09:51Z)
Visual Localization via Few-Shot Scene Region Classification [84.34083435501094]
ビジュアル(再)ローカライゼーションは、既知のシーンでキャプチャされたクエリイメージの6-DoFカメラのポーズを推定する問題に対処する。画像画素からシーン座標へのマッピングを記憶することで,この問題を解決する。シーン領域の分類手法を提案する。
論文参考訳（メタデータ） (2022-08-14T22:39:02Z)
Satellite Image Based Cross-view Localization for Autonomous Vehicle [59.72040418584396]
本稿では,市販の高精細衛星画像を使用可能な地図として利用することにより,良好な精度でクロスビュー車両のローカライゼーションを実現することができることを示す。本手法はKITTIとFord Multi-AVの季節データセットを地上ビューとして,Google Mapsを衛星ビューとして検証した。
論文参考訳（メタデータ） (2022-07-27T13:16:39Z)
Deep Dense Local Feature Matching and Vehicle Removal for Indoor Visual Localization [0.0]
本研究では,屋内駐車場から収集した画像の中から,問合せの一致を頑健に把握する視覚的位置決めフレームワークを提案する。我々は、人間の知覚に類似した深い局所的特徴マッチングを用いて、対応を見つける。提案手法は86.9%の精度を達成し, 代替品よりも優れていた。
論文参考訳（メタデータ） (2022-05-25T07:32:37Z)
Beyond Cross-view Image Retrieval: Highly Accurate Vehicle Localization Using Satellite Image [91.29546868637911]
本稿では,地上画像と架空衛星地図とをマッチングすることにより,車載カメラのローカライゼーションの問題に対処する。鍵となる考え方は、タスクをポーズ推定として定式化し、ニューラルネットベースの最適化によってそれを解くことである。標準自動運転車のローカライゼーションデータセットの実験により,提案手法の優位性が確認された。
論文参考訳（メタデータ） (2022-04-10T19:16:58Z)
Automatic Signboard Detection and Localization in Densely Populated Developing Cities [0.0]
自然シーン画像における看板検出は, エラーのない情報検索における最優先課題である。本稿では,看板を自動的に検出し,そのような都市に適した新しい物体検出手法を提案する。提案手法では,符号板を正確に検出できる(背景の形状や色が多様であっても平均精度は0.90 mAP)。
論文参考訳（メタデータ） (2020-03-04T08:04:03Z)

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。