基于 U-Net 的城市规划图语义分割
机器学习
2018-10-02 v2 计算机视觉与模式识别
机器学习
摘要
纸质地图的自动数字化对学术界和工业界而言都是一项重要且富有挑战性的任务。作为地图数字化的重要环节，语义分割部分主要依赖人工目视解译，效率低下。在本研究中，我们选取城市规划图作为代表性样本，探讨利用基于 U 形全卷积的架构进行端到端地图语义分割的可行性。在东京涩谷区测试区域获得的实验结果表明，我们提出的方法可以达到 93.63% 的极高 Jaccard 相似系数和 99.36% 的总体精度。在 GPGPU 和 cuDNN 上实现时，处理整个涩谷区所需时间可少于三分钟。结果表明，所提方法可作为高精度、高效率的城市规划图语义分割任务的可行工具。
引用
@article{arxiv.1809.10862,
title = {Semantic Segmentation for Urban Planning Maps based on U-Net},
author = {Zhiling Guo and Hiroaki Shengoku and Guangming Wu and Qi Chen and Wei Yuan and Xiaodan Shi and Xiaowei Shao and Yongwei Xu and Ryosuke Shibasaki},
journal= {arXiv preprint arXiv:1809.10862},
year = {2018}
}
备注
4 pages, 3 figures, conference, International Geoscience and Remote Sensing Symposium (IGARSS 2018), Jul 2018, Valencia, Spain