合成地图生成以提供无限训练数据用于历史地图文本检测
计算机视觉与模式识别
2021-12-14 v1 人工智能
摘要
许多历史地图图幅可公开获取，用于需要长期历史地理数据的研究。这些地图的制图设计包含地图符号与文本标注的组合。从地图图像中自动读取文本标注可极大加速地图解译，并有助于生成描述地图内容的丰富元数据。已有许多文本检测算法被提出以自动定位地图图像中的文本区域，但大多数算法是在域外数据集(如自然场景图像)上训练的。训练数据决定了机器学习模型的质量，而人工标注地图图像中的文本区域费力且耗时。另一方面，现有地理数据源如OpenStreetMap(OSM)包含机器可读的地图图层，使我们能够分离出文本图层并轻松获得文本标注。然而，OSM地图瓦片与历史地图之间的制图风格差异显著。本文提出一种方法，可自动生成无限量的带标注历史地图图像，用于训练文本检测模型。我们使用风格迁移模型将当代地图图像转换为历史风格，并在其上放置文本标注。我们表明，最先进的文本检测模型(如PSENet)可受益于合成历史地图，并在历史地图文本检测上取得显著提升。
引用
@article{arxiv.2112.06104,
title = {Synthetic Map Generation to Provide Unlimited Training Data for Historical Map Text Detection},
author = {Zekun Li and Runyu Guan and Qianmu Yu and Yao-Yi Chiang and Craig A. Knoblock},
journal= {arXiv preprint arXiv:2112.06104},
year = {2021}
}