面向城市区域功能识别的多维地理空间特征学习
计算机视觉与模式识别
2022-07-19 v1 多媒体
摘要
城市区域功能识别在有限城市区域的监测与管理中起着至关重要的作用。由于城市功能复杂且充满社会经济属性，仅使用配备物理与光学信息的遥感（RS）图像无法完全解决分类任务。另一方面，随着移动通信与互联网的发展，地理空间大数据（GBD）的获取成为可能。在本文中，我们提出一种多维特征学习模型（MDFL），利用高维 GBD 数据结合 RS 图像进行城市区域功能识别。在提取多维特征时，我们的模型考虑了由其活动建模的用户相关信息，以及从区域图中抽象出的基于区域的信息。此外，我们提出一种决策融合网络，整合若干神经网络与机器学习分类器的决策，最终决策同时考虑来自 RS 图像的视觉线索与来自 GBD 数据的社会信息。通过定量评估，我们证明我们的模型总体准确率达到 92.75，优于当前最优（SOTA）方法 10 个百分点。
引用
@article{arxiv.2207.08461,
title = {Multi-dimension Geospatial feature learning for urban region function recognition},
author = {Wenjia Xu and Jiuniu Wang and Yirong Wu},
journal= {arXiv preprint arXiv:2207.08461},
year = {2022}
}