Sep, 2023

利用遥感数据和自监督学习生成可扩展的标签有效的人行道网络

PDF
TL;DR这项研究设计并实施了一种基于遥感图像和机器学习模型的自动路径网络生成流水线，旨在减少标注数据的要求并能够低成本有效地生成可加载和可视化的路径网络。
footpath mappinggis layersremote sensing imagesmachine learning modelsfootpath networks
发现论文，激发创造
  • 基于地势信息的自主学习：利用有限注释增强 LiDAR 数据中的建筑物提取

    使用地面高程模型和自我监督学习的方法，在建筑物分割地图中利用少量标签数据取得了较好的效果，对于在遥感领域中提取特征具有高效性和有效性。

    Nov, 2023

  • 通过渐进宽松监督加快高分辨率遥感影像中的建筑物轮廓分割

    通过提出基于密集连接的粗细特征融合解码器网络以及宽容的深度监督和蒸馏策略，提高了当前建筑物分割网络的学习效率和有效性，超越先前的工作并在各种新开发的编码器网络上展现出卓越的性能和效率。

    Jul, 2023

  • 通过连接性和分割的联合学习进行道路网络的细粒度提取

    本研究提出了一个堆叠多任务网络，在保持连通性正确性的同时，端到端地分割道路。在网络中，引入了全局感知模块来增强像素级道路特征表示并消除空中图像的干扰背景；增加了与道路方向相关的连通性任务，以确保网络保持道路片段的图级关系。我们还开发了一种堆叠多头结构，以共同学习和有效利用连通性学习和分割学习之间的相互信息。我们在三个公共遥感数据集上评估了所提出网络的性能。实验结果表明，该网络在道路分割准确性和连通性维护方面优于现有方法。

    Dec, 2023

  • 可扩展的基于时空运动轨迹的自监督表示学习，用于多模式计算机视觉

    本文介绍了一种自我监督的地理位置表示学习技术，使用无标注的 GPS 轨迹学习地理位置的语义特征并为地理计算机视觉任务提供特征表示，通过将 GPS 轨迹建模为地球表面的一些节点或像素，使用卷积、收缩自编码器学习压缩地理位置的可达性嵌入并取得了显著性能提升。

    Oct, 2022

  • SuperpixelGraph: 基于语义感知的超像素和神经图网络的半自动建筑物轮廓生成

    提出了一种基于语义感知超像素和神经图网络的半自动建筑物足迹提取方法，该方法利用全局超像素图和图神经网络模型进行建筑物分割，消除了修改多边形定点的必要性，并通过实验验证取得了较高精度和效率。

    Apr, 2023

  • 大规模弱监督学习用于卫星图像中的道路提取

    使用深度学习从卫星图像中自动提取道路是传统手动制图的可行替代方案，本文提出了利用 OpenStreetMap 道路数据作为弱标签和大规模卫星图像进行预训练语义分割模型的方法，并且利用大规模预训练使模型具有更好的泛化能力。

    Sep, 2023

  • 隐藏脚印：从 3D 人类轨迹中学习上下文的可步行性

    通过利用 3D 信息和现有数据集中的观测结果来增强有效的、标记的可步行区域数据，并使用基于类平衡分类的损失和情境对抗性的损失的训练策略，实现了从一张图像预测行走性地图的模型，并在 Waymo 和 Cityscapes 数据集上展示了卓越的性能。

    Aug, 2020

  • 单色图像中的足迹和自由空间

    通过学习来自立体视频序列的训练数据，基于单个 RGB 图像预测可见和被遮挡的可通过物体表面的几何形状，所采用的图片到图片网络可有效预测用于机器人或增强现实代理的路径规划任务，并验证了预测结果。

    Apr, 2020

  • 面向全球范围内的众包 + 人工智能技术，为残疾人士绘制和评估人行道

    本文描述了利用分层多尺度注意模型，主动学习语义分割和 Crowd+AI 评估人行道状态和易达性特征等方法，从卫星图像中半自动构建人行道网络拓扑结构的初步工作，并呼吁建立标准化的步行街景场景数据库和基准。

    Jun, 2022

  • 使用图卷积网络提取建筑物轮廓

    本文提出一种利用图卷积网络解决卫星图像中建筑物轮廓提取精确性问题的端到端框架，相对于现有方法有更好的表现。

    May, 2023