利用 SpaceNet 数据从多角度观测中提取路网与行程时间
计算机视觉与模式识别
2021-03-03 v2
摘要
直接从遥感中识别路网与最优路线对广泛的人道主义与商业应用至关重要。然而，尽管此前已尝试识别道路像素，但从俯视影像估计路线行程时间仍是一个新颖的问题，尤其是对于偏轴（off-nadir）俯视影像。为此，我们从 SpaceNet MVOI 数据集中提取带行程时间估计的路网。利用 CRESIv2 框架，我们展示了在各种观测角度提取路网的能力，并使用图论指标 APLS_length 和 APLS_time 在 27 个唯一天顶角度上量化性能。APLS_length 与 APLS_time 得分之间 0.03 的最小差距表明，我们的方法以极高保真度得出限速与行程时间。我们还探索了在模型训练期间纳入所有可用角度的效用，并发现 APLS_time 峰值得分为 0.56。该组合模型相比特定角度模型表现出极大改善的鲁棒性，尽管在极端倾斜偏轴角度下与正上方捕获的图像相比路网外观差异很大。
引用
@article{arxiv.2001.05923,
title = {Road Network and Travel Time Extraction from Multiple Look Angles with SpaceNet Data},
author = {Adam Van Etten and Jacob Shermeyer and Daniel Hogan and Nicholas Weir and Ryan Lewis},
journal= {arXiv preprint arXiv:2001.05923},
year = {2021}
}
备注
4 pages, 5 figures. To appear at the 2020 IEEE International Geoscience and Remote Sensing Symposium