联合对地观测与 OpenStreetMap 数据以更快更好地生成语义地图
计算机视觉与模式识别
2017-05-18 v1 神经与进化计算
摘要
在本工作中，我们研究了 OpenStreetMap 数据在对地观测图像语义标注中的应用。过去，深度神经网络已被用于对来自各种传感器的遥感数据进行分类，包括多光谱、高光谱、SAR 和 LiDAR 数据。虽然 OpenStreetMap 已被用作训练此类网络的地面真值数据，但这一丰富的数据源很少被作为输入信息层加以利用。在本文中，我们研究了不同的用例和深度网络架构，以利用 OpenStreetMap 数据对航空和卫星图像进行语义标注。特别是，我们研究了基于融合的架构和从粗到细的分割，以将 OpenStreetMap 层纳入基于多光谱的深度全卷积网络中。我们说明了如何在两个公开数据集上成功使用这些方法：ISPRS Potsdam 和 DFC2017。我们表明，OpenStreetMap 数据可以有效地集成到基于视觉的深度学习模型中，并且它显著提高了网络的准确率和收敛速度。
引用
@article{arxiv.1705.06057,
title = {Joint Learning from Earth Observation and OpenStreetMap Data to Get Faster Better Semantic Maps},
author = {Nicolas Audebert and Bertrand Le Saux and Sébastien Lefèvre},
journal= {arXiv preprint arXiv:1705.06057},
year = {2017}
}