基于深度学习的大规模卫星斑马线自动分类
计算机视觉与模式识别
2017-07-20 v2 机器学习
摘要
高分辨率卫星影像越来越多地用于遥感分类问题。其中一个主要因素是此类数据的可用性。尽管如此，针对斑马线分类问题的研究投入却很少。本文利用众包系统，以实现与斑马线相关任务的大规模卫星影像数据库的自动获取与标注。随后，利用该数据集训练基于深度学习的模型，以准确分类包含或不包含斑马线的卫星图像。实验使用了一个包含来自 3 个大洲、9 个国家和 20 多个城市的超过 240,000 张图像的新数据集。实验结果表明，免费可用的众包数据可用于训练鲁棒的模型，以在全球范围内准确（97.11%）地执行斑马线分类。
引用
@article{arxiv.1706.09302,
title = {Deep Learning Based Large-Scale Automatic Satellite Crosswalk Classification},
author = {Rodrigo F. Berriel and Andre Teixeira Lopes and Alberto F. de Souza and Thiago Oliveira-Santos},
journal= {arXiv preprint arXiv:1706.09302},
year = {2017}
}
备注
5 pages, 3 figures, accepted by IEEE Geoscience and Remote Sensing Letters