SMAPGAN：基于生成对抗网络的半监督样式化地图瓦片生成方法
图像与视频处理
2021-04-02 v2 机器学习
机器学习
摘要
传统的在线地图瓦片（如谷歌地图和百度地图在互联网上广泛使用）由矢量数据渲染而成。及时从矢量数据更新在线地图瓦片是一项艰巨任务，因为其生成过程耗时。从可及时获取且无需矢量数据的遥感图像及时生成地图瓦片是一条捷径。然而，这一任务过去具有挑战性甚至不可能完成。受基于生成对抗网络（GAN）的图像到图像翻译（img2img）技术启发，我们提出了一种基于生成对抗网络的半监督样式化地图瓦片生成（SMAPGAN）模型，可直接从遥感图像生成样式化地图瓦片。在该模型中，我们设计了一种半监督学习策略，在丰富的非配对样本上预训练 SMAPGAN，并在现实中有限的配对样本上微调。我们还设计了图像梯度 L1 损失和图像梯度结构损失，以生成具有全局拓扑关系和地物精细边缘曲线的样式化地图瓦片，这在制图学中十分重要。此外，我们提出边缘结构相似性指数（ESSI）作为度量，以评估生成地图瓦片与真实值之间拓扑一致性的质量。实验结果表明，根据均方误差、结构相似性指数和 ESSI，SMAPGAN 优于最先进的（SOTA）工作。同时，在制图视觉真实感的人类感知测试中，SMAPGAN 比 SOTA 获得了更多认可。我们的工作表明，SMAPGAN 有望成为生产样式化地图瓦片的新范式。我们的 SMAPGAN 实现可在 https://github.com/imcsq/SMAPGAN 获取。
引用
@article{arxiv.2001.07712,
title = {SMAPGAN: Generative Adversarial Network Based Semi-Supervised Styled Map Tiles Generating Method},
author = {X. Chen and S. Chen and T. Xu and B. Yin and X. Mei and J. Peng and H. Li},
journal= {arXiv preprint arXiv:2001.07712},
year = {2021}
}
备注
in IEEE Transactions on Geoscience and Remote Sensing