利用街景与街道网络图像进行地理知识发现的无监督方法
计算机视觉与模式识别
2019-10-14 v2 计算机与社会
机器学习
图像与视频处理
摘要
近期研究表明，地理学和城市分析中机器学习方法的使用日益增多，主要用于通过有监督方法从时空数据中提取特征与模式。将地理过程整合进机器学习模型以及使用无监督方法处理地理数据以发现知识的研究一直很少。本研究致力于后者，展示了从无监督学习方法在城市图像上习得的潜变量如何用于地理知识发现。具体而言，我们提出一种称为卷积主成分分析(ConvPCA)的简单方法，应用于街景和街道网络图像以找出一组不相关且有序的视觉潜分量。该方法结合地理与生成式可视化对潜空间进行有意义的解读，并展示习得的表示如何用于预测街道质量和街道网络属性等城市特征。研究还发现，与可解释性较差的降维技术相比，ConvPCA模型的视觉分量达到了相似的精度。
引用
@article{arxiv.1906.11907,
title = {An unsupervised approach to Geographical Knowledge Discovery using street level and street network images},
author = {Stephen Law and Mateo Neira},
journal= {arXiv preprint arXiv:1906.11907},
year = {2019}
}
备注
SigSpatial 2019 GeoAI