基于街景图像的建筑实例分类
计算机视觉与模式识别
2018-02-27 v1 图像与视频处理
摘要
基于星载或航空遥感图像的土地利用分类在过去几十年中已被广泛研究。此类分类通常是对整幅图像进行分块或逐像素的标注。但对于许多应用，如城市人口密度制图或城市公用设施规划，基于单体建筑的分类图信息量要大得多。然而，此类语义分类仍存在一些根本性挑战，例如如何提取单体建筑的精细边界。本文中，我们提出了一种对单体建筑功能进行分类的通用框架。所提方法基于卷积神经网络（CNN），除通常仅显示屋顶结构的遥感图像外，还对来自街景图像（如 Google 街景）的立面结构进行分类。我们利用地理信息来掩蔽出单体建筑，并关联相应的街景图像。我们创建了一个基准数据集，用于训练和评估 CNN。此外，该方法被应用于生成加拿大和美国多个城市在区域和城市尺度的建筑分类图。关键词：CNN，建筑实例分类，街景图像，OpenStreetMap
引用
@article{arxiv.1802.09026,
title = {Building Instance Classification Using Street View Images},
author = {Jian Kang and Marco Körner and Yuanyuan Wang and Hannes Taubenböck and Xiao Xiang Zhu},
journal= {arXiv preprint arXiv:1802.09026},
year = {2018}
}