論文の概要: Sat2lod2: A Software For Automated Lod-2 Modeling From Satellite-Derived Orthophoto And Digital Surface Model

• arxiv url: http://arxiv.org/abs/2204.04139v1
• Date: Fri, 8 Apr 2022 15:49:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-11 13:06:35.073250
• Title: Sat2lod2: A Software For Automated Lod-2 Modeling From Satellite-Derived Orthophoto And Digital Surface Model
• Title（参考訳）: Sat2lod2:衛星写真とデジタル表面モデルによるLod-2自動モデリングソフトウェア
• Authors: Shengxi Gui, Rongjun Qin, Yang Tang
• Abstract要約: SAT2LOD2と呼ばれるオープンソースツールについて説明する。 SAT2LoD2は、Pythonで書かれた完全なオープンソースおよびGUIベースのソフトウェアである。
• 参考スコア（独自算出の注目度）: 7.219077740523683
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deriving LoD2 models from orthophoto and digital surface models (DSM) reconstructed from satellite images is a challenging task. Existing solutions are mostly system approaches that require complicated step-wise processes, including not only heuristic geometric operations, but also high-level steps such as machine learning-based semantic segmentation and building detection. Here in this paper, we describe an open-source tool, called SAT2LOD2, built based on a minorly modified version of our recently published work. SAT2LoD2 is a fully open-source and GUI (Graphics User Interface) based software, coded in Python, which takes an orthophoto and DSM as inputs, and outputs individual building models, and it can additionally take road network shapefiles, and customized classification maps to further improve the reconstruction results. We further improve the robustness of the method by 1) intergrading building segmentation based on HRNetV2 into our software; and 2) having implemented a decision strategy to identify complex buildings and directly generate mesh to avoid erroneous LoD2 reconstruction from a system point of view. The software can process a moderate level of data (around 5000*5000 size of orthophoto and DSM) using a PC with a graphics card supporting CUDA. Furthermore, the GUI is self-contained and stores the intermediate processing results facilitating researchers to learn the process easily and reuse intermediate files as needed. The updated codes and software are available under this GitHub page: https://github.com/GDAOSU/LOD2BuildingModel.
• Abstract（参考訳）: 衛星画像から再構成された正光およびデジタル表面モデル(DSM)からLoD2モデルを抽出することは難しい課題である。 既存のソリューションは主に、ヒューリスティックな幾何学的操作だけでなく、機械学習ベースのセマンティックセグメンテーションやビルディング検出といった高度なステップを含む複雑なステップワイズプロセスを必要とするシステムアプローチである。 本稿では, SAT2LOD2というオープンソースツールについて述べる。 sat2lod2は、完全にオープンソースでgui(graphics user interface)ベースのソフトウェアで、pythonでコーディングされ、オルソ写真とdsmを入力として個々のビルモデルを出力する。 我々はその方法の堅牢性をさらに向上する。 1) HRNetV2に基づく建物セグメンテーションのソフトウェアへの中間化 2)複雑な建物を識別し,システムの観点から誤ったlod2再構成を避けるためにメッシュを直接生成する決定戦略を実施している。 このソフトウェアは、CUDAをサポートするグラフィックカードを備えたPCを用いて、適度なレベルのデータ(約5000*5000の正写真とDSM)を処理できる。 さらに、GUIは自己完結型であり、研究者が容易に学習し、必要に応じて中間ファイルを再利用できるように中間処理結果を格納する。 更新されたコードとソフトウェアは、GitHubのこのページで入手できる。

関連論文リスト

• Flemme: A Flexible and Modular Learning Platform for Medical Images [5.086862917025204]
  Flemmeは、MedicalイメージのためのFLExible and Modular Learningプラットフォームである。 コンボリューション,トランスフォーマー,状態空間モデル(SSM)に基づくビルディングブロックを用いてエンコーダを構築し,2次元画像パッチと3次元画像パッチの両処理を行う。
  論文  参考訳（メタデータ） (2024-08-18T05:47:33Z)
• Multi-Unit Floor Plan Recognition and Reconstruction Using Improved Semantic Segmentation of Raster-Wise Floor Plans [1.0436971860292366]
  MDA-Unet と MACU-Net アーキテクチャに基づく2つの新しい画素分割手法を提案する。 提案手法は他の2つの最先端技術とベンチマークデータセットと比較した。 一般的なCubeCasaベンチマークデータセットでは,5つのクラスに対して平均F1スコアが0.86に達している。
  論文  参考訳（メタデータ） (2024-08-02T18:36:45Z)
• Masked LoGoNet: Fast and Accurate 3D Image Analysis for Medical Domain [48.440691680864745]
  我々はLoGoNetと呼ばれる新しいニューラルネットワークアーキテクチャを導入する。 LoGoNetは、LKA(Large Kernel Attention)とデュアルエンコーディング戦略を利用して、U字型アーキテクチャに新しい特徴抽出器を統合する。 大規模ラベル付きデータセットの欠如を補うために,3次元画像に適した新しいSSL方式を提案する。
  論文  参考訳（メタデータ） (2024-02-09T05:06:58Z)
• VMamba: Visual State Space Model [92.83984290020891]
  VMambaは、線形時間複雑性で動作するビジョンバックボーンである。 VMambaのコアには2D Selective Scan (SS2D)モジュールを備えたVisual State-Space (VSS)ブロックのスタックがある。
  論文  参考訳（メタデータ） (2024-01-18T17:55:39Z)
• Inferring 3D change detection from bitemporal optical images [6.050310428775564]
  2次元と3次元のCDタスクを同時に解くことができる2つの新しいネットワークを提案する。 本研究の目的は,高度(3D)CDマップを自動的に推測できるDLアルゴリズムの開発基盤を構築することである。 コードと3DCDデータセットはurlhttps://sites.google.com/uniroma1.it/3dchangedetection/home-pageで公開されている。
  論文  参考訳（メタデータ） (2022-05-31T15:53:33Z)
• Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge TPU [58.720142291102135]
  本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。 我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
  論文  参考訳（メタデータ） (2022-04-07T08:53:18Z)
• Multi-Stage Progressive Image Restoration [167.6852235432918]
  本稿では、これらの競合する目標を最適にバランスできる新しい相乗的設計を提案する。 本提案では, 劣化した入力の復元関数を段階的に学習する多段階アーキテクチャを提案する。 MPRNetという名前の密接な相互接続型マルチステージアーキテクチャは、10のデータセットに対して強力なパフォーマンス向上を実現している。
  論文  参考訳（メタデータ） (2021-02-04T18:57:07Z)
• Boundary-Aware Segmentation Network for Mobile and Web Applications [60.815545591314915]
  境界認識ネットワーク(basnet)は、精度の高い画像分割のための予測再定義アーキテクチャとハイブリッド損失と統合されている。 basnetは単一のgpu上で70fps以上動作し、多くの潜在的なアプリケーションが利用できる。 BASNetをベースに、BASNetが「COPY」と「PASTING」現実世界のオブジェクトのための拡張現実であるAR COPY & PASTEと、オブジェクト背景の自動削除のためのWebベースのツールであるOBJECT CUTの2つの(近い)商用アプリケーションをさらに開発しました。
  論文  参考訳（メタデータ） (2021-01-12T19:20:26Z)
• AutoPose: Searching Multi-Scale Branch Aggregation for Pose Estimation [96.29533512606078]
  本稿では,新しいニューラルアーキテクチャサーチ(NAS)フレームワークであるAutoPoseを紹介する。 高精度で高解像度な2次元ポーズ推定に向けて、クロススケール接続の複数の並列ブランチを自動的に検出することができる。
  論文  参考訳（メタデータ） (2020-08-16T22:27:43Z)

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。