論文の概要: CMEdataset Advancing China Map Detection and Standardization with Digital Image Resources
- arxiv url: http://arxiv.org/abs/2504.07476v1
- Date: Thu, 10 Apr 2025 06:04:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-18 21:09:45.756252
- Title: CMEdataset Advancing China Map Detection and Standardization with Digital Image Resources
- Title（参考訳）: デジタル画像資源を用いたCMEデータベースによる中国地図の検出と標準化
- Authors: Yan Xu, Zhenqiang Zhang, Zhiwei Zhou, Liting Geng, Yue Li, Jintao Li,
- Abstract要約: 現在、CMEデータセットに関する問題マップ専用のデータセットは公開されていない。
この研究は、5つの重要な問題領域をカバーする問題マップデータセットを作成する。
このデータセットは、マップコンプライアンス、国家安全保障監視、マップ更新に不可欠なリソースを提供するだけでなく、関連する技術の革新と応用を促進する。
- 参考スコア（独自算出の注目度）: 7.078763774788695
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Digital images of Chinas maps play a crucial role in map detection, particularly in ensuring national sovereignty, territorial integrity, and map compliance. However, there is currently no publicly available dataset specifically dedicated to problematic maps the CME dataset. Existing datasets primarily focus on general map data and are insufficient for effectively identifying complex issues such as national boundary misrepresentations, missing elements, and blurred boundaries. Therefore, this study creates a Problematic Map dataset that covers five key problem areas, aiming to provide diverse samples for problematic map detection technologies, support high-precision map compliance detection, and enhance map data quality and timeliness. This dataset not only provides essential resources for map compliance, national security monitoring, and map updates, but also fosters innovation and application of related technologies.
- Abstract（参考訳）: 中国地図のデジタル画像は、特に国家主権、領土の完全性、および地図遵守の確保において、地図検出において重要な役割を担っている。
しかし、現在CMEデータセットに関する問題マップ専用のデータセットは公開されていない。
既存のデータセットは主に一般的な地図データに焦点を当てており、国家境界の誤表現、欠落した要素、ぼやけた境界といった複雑な問題を効果的に特定するには不十分である。
そこで本研究では,問題マップ検出技術のための多様なサンプルの提供,高精度マップコンプライアンス検出のサポート,および地図データ品質とタイムラインの向上を目的とした,5つの重要な問題領域をカバーする問題マップデータセットを作成する。
このデータセットは、マップコンプライアンス、国家安全保障監視、マップ更新に不可欠なリソースを提供するだけでなく、関連する技術の革新と応用を促進する。
関連論文リスト
- EarthMapper: Visual Autoregressive Models for Controllable Bidirectional Satellite-Map Translation [50.433911327489554]
制御可能な衛星マップ翻訳のための新しいフレームワークであるEarthMapperを紹介する。
また,中国38都市を対象とした302,132組の衛星マップからなる大規模データセットであるCNSatMapをコントリビュートした。
CNSatMapとNew Yorkデータセットの実験は、EarthMapperの優れたパフォーマンスを実証している。
論文 参考訳（メタデータ） (2025-04-28T02:41:12Z) - Geolocation with Real Human Gameplay Data: A Large-Scale Dataset and Human-Like Reasoning Framework [59.42946541163632]
3つの重要なコンポーネントを持つ包括的位置決めフレームワークを導入する。
大規模データセットGeoComp、新しい推論手法GeoCoT、評価指標GeoEval。
また,GeoCoTは解釈可能性を高めつつ,位置情報の精度を最大25%向上させることを示した。
論文 参考訳（メタデータ） (2025-02-19T14:21:25Z) - OpenEarthMap-SAR: A Benchmark Synthetic Aperture Radar Dataset for Global High-Resolution Land Cover Mapping [16.387666608029882]
我々は,地球規模の高解像度土地被覆マッピングのためのベンチマークSARデータセットOpenEarthMap-SARを紹介する。
OpenEarthMap-SARは、5033の航空画像と衛星画像の150万部で構成され、サイズは1024$times$1024ピクセルで、日本、フランス、アメリカから35の地域をカバーしている。
セマンティックセグメンテーションのための最先端手法の性能評価と,さらなる技術開発に適した課題設定を提案する。
論文 参考訳（メタデータ） (2025-01-18T22:30:27Z) - Local Map Construction with SDMap: A Comprehensive Survey [12.813348027295604]
本稿では,SDMap を用いたローカルマップ構築手法について概説する。
また、SDMapベースのローカルマップ構築において、マルチモーダルデータ表現と融合法を解析する。
論文 参考訳（メタデータ） (2024-09-04T03:41:42Z) - 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) - 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) - A Self-Supervised Approach to Land Cover Segmentation [1.0878040851638]
土地利用/土地被覆変化マップ(LULC map)は、地球科学と農業研究において重要な資源である。
このような地図の性質から、LULCマップの作成は、衛星画像やリモートセンシングデータを正確にアノテートするために必要な時間と人的資源によって制約されることが多い。
本稿では,高品質な地中真実ラベルを必要としない土地被覆セグメンテーションの自己管理手法を実証する。
論文 参考訳（メタデータ） (2023-10-27T16:37:36Z) - DETR Doesn't Need Multi-Scale or Locality Design [69.56292005230185]
本稿では,"プレーン"特性を維持できる改良型DETR検出器を提案する。
特定の局所性制約を伴わずに、単一スケールの機能マップとグローバルなクロスアテンション計算を使用する。
マルチスケールな特徴マップと局所性制約の欠如を補うために,2つの単純な技術が平易な設計において驚くほど効果的であることを示す。
論文 参考訳（メタデータ） (2023-08-03T17:59:04Z) - LargeST: A Benchmark Dataset for Large-Scale Traffic Forecasting [65.71129509623587]
道路交通予測はスマートシティのイニシアチブにおいて重要な役割を担い、ディープラーニングの力によって大きな進歩を遂げている。
しかし、現在の公開データセットで達成される有望な結果は、現実的なシナリオには適用できないかもしれない。
カリフォルニアで合計8,600のセンサーと5年間の時間カバレッジを含む、LargeSTベンチマークデータセットを紹介します。
論文 参考訳（メタデータ） (2023-06-14T05:48:36Z) - CAMERAS: Enhanced Resolution And Sanity preserving Class Activation
Mapping for image saliency [61.40511574314069]
バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。
CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
論文 参考訳（メタデータ） (2021-06-20T08:20:56Z) - 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)
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。