利用 OpenStreetMap 在低数据环境下的道路制图
计算机视觉与模式识别
2020-06-16 v1
摘要
道路是任何国家基础设施中最基本的组成部分之一。通过促进人员、思想和货物的流动与交换，它们支撑着地方和国际边界内外的经济文化活动。因此，对道路地理分布及其质量的全面、最新制图有可能成为更广泛经济发展的指标。这样的指标具有多种高影响力的应用，特别是在缺乏最新基础设施信息的农村发展项目规划中。本工作研究了高分辨率卫星影像和众包资源（如 OpenStreetMap）在构建此类地图中的可行性。我们实验了最先进的深度学习方法，以探索 OpenStreetMap 数据在道路分类和分割任务中的效用。我们还比较了模型在不同掩膜遮挡场景以及境外领域中的性能。我们的比较揭示了在基于图像的基础设施分类任务中需要考虑的重要陷阱，并表明需要针对感兴趣区域的本地训练数据才能获得可靠的性能。
引用
@article{arxiv.2006.07993,
title = {Road Mapping in Low Data Environments with OpenStreetMap},
author = {John Kamalu and Benjamin Choi},
journal= {arXiv preprint arXiv:2006.07993},
year = {2020}
}