論文の概要: CartoMark: a benchmark dataset for map pattern recognition and 1 map content retrieval with machine intelligence

• arxiv url: http://arxiv.org/abs/2312.08600v1
• Date: Thu, 14 Dec 2023 01:54:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-16 00:23:15.359043
• Title: CartoMark: a benchmark dataset for map pattern recognition and 1 map content retrieval with machine intelligence
• Title（参考訳）: CartoMark: マップパターン認識と1つのマップコンテンツ検索のためのベンチマークデータセット
• Authors: Xiran Zhou, Yi Wen, Honghao Li, Kaiyuan Li, Zhenfeng Shao, Zhigang Yan, Xiao Xie
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 9.652629004863364
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Maps are fundamental medium to visualize and represent the real word in a simple and 16 philosophical way. The emergence of the 3rd wave information has made a proportion of maps are available to be generated ubiquitously, which would significantly enrich the dimensions and perspectives to understand the characteristics of the real world. However, a majority of map dataset have never been discovered, acquired and effectively used, and the map data used in many applications might not be completely fitted for the authentic demands of these applications. This challenge is emerged due to the lack of numerous well-labelled benchmark datasets for implementing the deep learning approaches into identifying complicated map content. Thus, we develop a large-scale benchmark dataset that includes well-labelled dataset for map text annotation recognition, map scene classification, map super-resolution reconstruction, and map style transferring. Furthermore, these well-labelled datasets would facilitate the state-of-the-art machine intelligence technologies to conduct map feature detection, map pattern recognition and map content retrieval. We hope our efforts would be useful for AI-enhanced cartographical applications.
• Abstract（参考訳）: 地図は、実単語をシンプルで16の哲学的な方法で視覚化し表現するための基本的な媒体である。 第三波情報の出現により、地図の比率はユビキタスに生成可能となり、実世界の特性を理解するための次元と視点が大幅に強化される。 しかし、ほとんどの地図データセットが発見され、取得され、効果的に使用されることはなく、多くのアプリケーションで使用される地図データは、これらのアプリケーションの真の要求に完全に適合していないかもしれない。 この課題は、複雑なマップコンテンツを特定するためのディープラーニングアプローチを実装するための、多くの十分なベンチマークデータセットが欠如していることによるものだ。 そこで,我々は,地図テキストの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ラベル付きデータセットを含む大規模ベンチマークデータセットを開発した。 さらに、これらのよくラベル付けされたデータセットは、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。 われわれの努力が、AIによる地図の応用に役立つことを願っている。

関連論文リスト

• OpenSatMap: A Fine-grained High-resolution Satellite Dataset for Large-scale Map Construction [65.4151284975348]
  OpenSatMapは、大規模マップ構築のための細粒度で高解像度の衛星データセットである。 データセットの公開とメンテナンスにより、衛星ベースのマップ構築と、自律運転のような下流タスクのための高品質なベンチマークを提供する。
  論文  参考訳（メタデータ） (2024-10-30T17:56:02Z)
• A roadmap for generative mapping: unlocking the power of generative AI for map-making [1.128529637069462]
  本稿では,地図作成における生成AIのキーとなる応用について述べる。 それは、必要な特定の技術と、現在のメソッドを使用する際の課題を特定する。 地図作成をより使いやすくするための生成マッピングシステム(GMS)を開発するためのロードマップを提供する。
  論文  参考訳（メタデータ） (2024-10-21T08:29:43Z)
• Detecting Omissions in Geographic Maps through Computer Vision [18.36056648425432]
  特定地域や特徴ランドマークを指定した地図を自動的に識別する手法を開発し,評価する。 地図を非マップと区別し、表示された領域の精度を確認し、特定のランドマーク名の有無を確認する。 このデータセットの実験では、特定領域のランドマークを除く地図を識別するために、この手法が85.51%のF1スコアを達成することを示した。
  論文  参考訳（メタデータ） (2024-07-15T13:26:58Z)
• Mapping High-level Semantic Regions in Indoor Environments without Object Recognition [50.624970503498226]
  本研究では,屋内環境における埋め込みナビゲーションによる意味領域マッピング手法を提案する。 地域識別を実現するために,視覚言語モデルを用いて地図作成のためのシーン情報を提供する。 グローバルなフレームにエゴセントリックなシーン理解を投影することにより、提案手法は各場所の可能な領域ラベル上の分布としてのセマンティックマップを生成する。
  論文  参考訳（メタデータ） (2024-03-11T18:09:50Z)
• Mind the map! Accounting for existing map information when estimating online HDMaps from sensor [15.275704436439012]
  HDMapをセンサーから推定することで、コストを大幅に削減できる。 提案手法は,HDMapを推定する際の正確な状況の既存のマップを推定する。 我々は,新しいオンラインHDMap推定フレームワークであるMapEXを紹介する。
  論文  参考訳（メタデータ） (2023-11-17T13:40:10Z)
• The mapKurator System: A Complete Pipeline for Extracting and Linking Text from Historical Maps [7.209761597734092]
  mapKuratorは、マシンラーニングモデルと包括的なデータ処理パイプラインを統合するエンドツーエンドシステムである。 我々はmapKuratorシステムをデプロイし、David Rumsey Historical Mapコレクションに6万以上の地図と1億以上のテキスト/場所名の処理を可能にしました。
  論文  参考訳（メタデータ） (2023-06-29T16:05:40Z)
• 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)
• Synthetic Map Generation to Provide Unlimited Training Data for Historical Map Text Detection [5.872532529455414]
  そこで本研究では,テキスト検出モデルのトレーニングのために,注釈付き歴史地図画像の無限量の自動生成手法を提案する。 我々は,現在最先端のテキスト検出モデルが,合成歴史地図の恩恵を受けることを示す。
  論文  参考訳（メタデータ） (2021-12-12T00:27:03Z)
• HDNET: Exploiting HD Maps for 3D Object Detection [99.49035895393934]
  高精細度(hd)マップは、現代の3dオブジェクト検出器の性能と頑健性を高める強力な事前情報を提供する。 我々はHDマップから幾何学的特徴と意味的特徴を抽出する単一ステージ検出器を設計する。 地図は至る所では利用できないため、生のLiDARデータからフライ時の地図を推定するマップ予測モジュールも提案する。
  論文  参考訳（メタデータ） (2020-12-21T21:59:54Z)
• Structured Landmark Detection via Topology-Adapting Deep Graph Learning [75.20602712947016]
  解剖学的顔と医学的ランドマーク検出のための新しいトポロジ適応深層グラフ学習手法を提案する。 提案手法は局所像特徴と大域形状特徴の両方を利用するグラフ信号を構成する。 3つの公開顔画像データセット(WFLW、300W、COFW-68)と3つの現実世界のX線医学データセット(ケパロメトリ、ハンド、ペルビス)で実験を行った。
  論文  参考訳（メタデータ） (2020-04-17T11:55:03Z)
• 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。