論文の概要: Road Extraction with Satellite Images and Partial Road Maps
- arxiv url: http://arxiv.org/abs/2303.12394v1
- Date: Wed, 22 Mar 2023 08:59:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-23 14:42:59.692781
- Title: Road Extraction with Satellite Images and Partial Road Maps
- Title（参考訳）: 衛星画像と部分道路地図を用いた道路抽出
- Authors: Qianxiong Xu, Cheng Long, Liang Yu, Chen Zhang
- Abstract要約: 道路抽出は、主に衛星画像から道路地図を自動的に生成するプロセスである。
本稿では,衛星画像と部分道路地図に基づく道路抽出手法を提案する。
次に、Gated Self-Attention Module (GSAM) と Missing Part (MP) の2つの重要なコンポーネントを持つタスクのための2分岐部分ネットワーク(P2CNet)を提案する。
- 参考スコア（独自算出の注目度）: 14.770209593062104
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Road extraction is a process of automatically generating road maps mainly
from satellite images. Existing models all target to generate roads from the
scratch despite that a large quantity of road maps, though incomplete, are
publicly available (e.g. those from OpenStreetMap) and can help with road
extraction. In this paper, we propose to conduct road extraction based on
satellite images and partial road maps, which is new. We then propose a
two-branch Partial to Complete Network (P2CNet) for the task, which has two
prominent components: Gated Self-Attention Module (GSAM) and Missing Part (MP)
loss. GSAM leverages a channel-wise self-attention module and a gate module to
capture long-range semantics, filter out useless information, and better fuse
the features from two branches. MP loss is derived from the partial road maps,
trying to give more attention to the road pixels that do not exist in partial
road maps. Extensive experiments are conducted to demonstrate the effectiveness
of our model, e.g. P2CNet achieves state-of-the-art performance with the IoU
scores of 70.71% and 75.52%, respectively, on the SpaceNet and OSM datasets.
- Abstract（参考訳）: 道路抽出は、主に衛星画像から道路地図を自動的に生成するプロセスである。
既存のモデルは、道路地図が未完成であるにもかかわらず(例えばopenstreetmap)、公に利用可能であり、道路抽出に役立つにもかかわらず、すべてスクラッチから道路を生成することを目標としている。
本稿では,衛星画像と部分道路地図に基づく道路抽出手法を提案する。
次に、Gated Self-Attention Module (GSAM) と Missing Part (MP) の2つの重要なコンポーネントを持つタスクのための2分岐部分ネットワーク(P2CNet)を提案する。
GSAMはチャネルワイドのセルフアテンションモジュールとゲートモジュールを活用して、長距離セマンティクスをキャプチャし、無駄な情報をフィルタリングし、2つのブランチから機能を融合する。
MP損失は部分的な道路地図から導かれ、部分的な道路地図に存在しない道路画素により多くの注意を払っている。
例えば、P2CNetは、SpaceNetとOSMデータセットでそれぞれ70.71%と75.52%のIoUスコアで最先端のパフォーマンスを達成する。
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) - DeepAerialMapper: Deep Learning-based Semi-automatic HD Map Creation for Highly Automated Vehicles [0.0]
高解像度空中画像からHDマップを作成するための半自動手法を提案する。
提案手法では, ニューラルネットワークを訓練して, 空中画像をHDマップに関連するクラスに意味的に分割する。
マップをLanelet2フォーマットにエクスポートすることで、さまざまなユースケースを簡単に拡張できる。
論文 参考訳（メタデータ） (2024-10-01T15:05:05Z) - SNAP: Self-Supervised Neural Maps for Visual Positioning and Semantic
Understanding [57.108301842535894]
我々は、地上と頭上の画像からリッチなニューラル2Dマップを学習するディープネットワークSNAPを紹介する。
我々は、異なる入力から推定されるニューラルマップの整列をトレーニングし、何千万ものストリートビュー画像のカメラポーズでのみ監視する。
SNAPは、従来の手法の範囲を超えて、挑戦的な画像クエリの場所を解決できる。
論文 参考訳（メタデータ） (2023-06-08T17:54:47Z) - FlowMap: Path Generation for Automated Vehicles in Open Space Using
Traffic Flow [32.8563901381583]
FlowMapは、トラフィックフローに基づいた自動車両のためのパス生成フレームワークである。
交通流場(TFF)における経路生成アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-05-02T17:27:37Z) - Correcting Faulty Road Maps by Image Inpainting [6.1642231492615345]
そこで我々は,道路地図を複雑な道路ジオメトリで固定する,カスタムメイドのジオメトリを使わずに,新しい画像インペインティング手法を提案する。
提案手法は, 直線道路, 曲がりくねった道路, T-ジャンクション, 交差点など, 様々な実世界の道路測地における有効性を示す。
論文 参考訳（メタデータ） (2022-11-12T01:58:32Z) - SPIN Road Mapper: Extracting Roads from Aerial Images via Spatial and
Interaction Space Graph Reasoning for Autonomous Driving [64.10636296274168]
道路抽出は、自律航法システムを構築するための重要なステップである。
この問題に対して単に畳み込みニューラルネットワーク(ConvNets)を使用することは、画像内の道路セグメント間の遠い依存関係をキャプチャする非効率であるため、効果がない。
本研究では,ConvNetに接続した時,特徴写像から投影された空間空間および相互作用空間上に構築されたグラフの推論を行う空間空間グラフ推論(SPIN)モジュールを提案する。
論文 参考訳（メタデータ） (2021-09-16T03:52:17Z) - CP-loss: Connectivity-preserving Loss for Road Curb Detection in
Autonomous Driving with Aerial Images [10.300623192980753]
自動走行には道路停止検知が重要である。
現在の方法のほとんどは、カメラや3Dライダーなどの車両に搭載されたセンサーを使って、オンラインで道路の縁石を検出する。
本稿では,高分解能空中画像を用いて道路の縁石をオフラインで検出する。
論文 参考訳（メタデータ） (2021-07-26T01:36:58Z) - DAGMapper: Learning to Map by Discovering Lane Topology [84.12949740822117]
我々は、分岐とマージによるトポロジー変化を含む多くのレーンを持つ複雑な高速道路のレーン境界を描くことに集中する。
グラフのノードがレーン境界の局所領域の幾何学的および位相的特性を符号化する有向非巡回グラフィカルモデル(DAG)における推論として問題を定式化する。
2つの異なる州における2つの幹線道路における我々のアプローチの有効性を示し、高い精度とリコールと89%の正しいトポロジーを示す。
論文 参考訳（メタデータ） (2020-12-22T21:58:57Z) - Convolutional Recurrent Network for Road Boundary Extraction [99.55522995570063]
我々は,LiDARとカメラ画像からの道路境界抽出の問題に取り組む。
我々は,完全畳み込みネットワークが道路境界の位置と方向をエンコードする深い特徴量を得る構造化モデルを設計する。
北米の大都市において,道路境界の完全なトポロジを99.3%の時間で得られる方法の有効性を示す。
論文 参考訳（メタデータ） (2020-12-21T18:59:12Z) - End-to-End Deep Structured Models for Drawing Crosswalks [98.9901717499058]
我々は、両方の入力を地上に投影し、シーンのトップダウンビューを生成します。
次に,畳み込みニューラルネットワークを用いて横断歩道の位置に関する意味的手がかりを抽出する。
大都市での横断歩道実験では96.6%の自動化が可能であった。
論文 参考訳（メタデータ） (2020-12-21T18:59:08Z) - PP-LinkNet: Improving Semantic Segmentation of High Resolution Satellite
Imagery with Multi-stage Training [4.694536172504848]
道路網と建築物のフットプリント抽出は、地図の更新、交通規制、都市計画、ライドシェアリング、災害対応テキストテットックなど、多くのアプリケーションにとって不可欠である。
論文 参考訳（メタデータ） (2020-10-14T10:23:48Z)
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。