用于地图类型分类的深度卷积神经网络
机器学习
2018-05-29 v1 机器学习
摘要
地图是一种重要媒介，使人们能够全面理解不同时空下文化活动和自然要素的布局。尽管在数字时代有海量地图可用，如何有效且准确地获取所需地图仍是当今的一项挑战。以往部分与地图类型分类相关的工作主要关注局部尺度的地图比较与地图匹配。从局部地图区域提取的特征可能不足以刻画地图内容。为助力建立获取所需地图的自动化方法，本文报道了我们使用深度学习技术识别七类地图的探究，包括地形图、地势图、自然地理图、城市场景图、国家地图、三维地图、夜景地图、正射影像图以及土地覆盖分类图。实验结果表明，最先进的深度卷积神经网络能够支持自动地图类型分类。此外，分类精度因地图类型不同而有所差异。我们希望我们的工作能有助于深度学习技术在制图学界的实施，并推进地理人工智能（GeoAI）的发展。
引用
@article{arxiv.1805.10402,
title = {Deep Convolutional Neural Networks for Map-Type Classification},
author = {Xiran Zhou and Wenwen Li and Samantha T. Arundel and Jun Liu},
journal= {arXiv preprint arXiv:1805.10402},
year = {2018}
}