用于地理空间矢量多边形分类任务的深度学习
机器学习
2019-06-12 v2 机器学习
摘要
在本文中，我们评估了深度学习方法在地理空间矢量几何分类任务上的准确性。此评估的目的是调查深度学习模型直接从几何坐标学习的能力。以往应用于地理空间多边形数据的机器学习研究并未直接使用几何，而是使用其导出属性。这些属性通过提取几何属性（如傅里叶描述符）产生。相反，我们引入的深度神经网络架构能够直接在由多边形映射的坐标序列上进行学习。在三个分类任务中，我们表明深度学习架构与需要提取特征的常见学习算法具有竞争力。
引用
@article{arxiv.1806.03857,
title = {Deep Learning for Classification Tasks on Geospatial Vector Polygons},
author = {Rein van 't Veer and Peter Bloem and Erwin Folmer},
journal= {arXiv preprint arXiv:1806.03857},
year = {2019}
}
备注
Major rewrite in article structure, reasoning flow and included references