Aug, 2024

基于几何感知的半监督学习进行街景图像精细化建筑功能识别

HTML
PDF
TL;DR本研究提出了一种几何感知的半监督方法以进行精细化建筑功能识别，解决了传统方法在伪标签精度上的不足。通过设计一种在线的半监督预训练阶段，并结合GIS数据和街景数据生成高精度的粗略注释，实现了跨城市的大规模建筑功能识别。实验结果表明，该方法在多个城市的精细化功能识别中优于现有的监督和半监督方法，具有显著的应用潜力。
发现论文，激发创造
  • 利用地面图像进行城市尺度的细粒度土地利用分类

    利用地面图像进行城市尺度上的精细土地利用分类，使用地理引用的Flickr图像创建框架并使用卷积神经网络进行分类。

    Feb, 2018

  • 使用卷积神经网络进行大规模建筑物提取：美国地图绘制

    通过采用分支卷积神经网络、全卷积神经网络、条件随机场作为循环神经网络以及 SegNet 四种卷积神经网络体系结构，对美国整个大陆分类提取建筑物轮廓线，将符号距离标签与 SegNet 结合，改进了建筑物轮廓线的提取结果并提出了融合近红外信息的建筑物整体提取框架，同时比较了精度、召回率、并集交集以及提取建筑物的数量等指标。

    May, 2018

  • 利用半监督学习进行城市场景分割的Naive-Student方法

    通过在未标注的视频序列和额外图像上使用半监督学习，结合人工标注标签和伪标签数据进行训练，该简单而有效的迭代半监督学习方法在城市街景分割任务上取得了67.8％的PQ，42.6％的AP 和85.2％的mIOU的最优成果，并在核心计算机视觉任务上实现了超越最先进水平的重要进展。

    May, 2020

  • 投影池化下的野外多视角建筑综合分析

    通过引入新的数据集和投影汇集层，成功提高建筑属性的分类精度。

    Aug, 2020

  • 通过知识图谱和多尺度数据集成推断高级地理概念：以C形建筑模式识别为例研究

    本研究提出了一种基于知识图谱的C形建筑模式识别方法，通过属性图，图数据库和基于规则的推理，实现了建筑模式的有效识别。研究结果表明，相较于现有方法，该方法在多级精度上能够取得更高的召回率和更高的识别效率。

    Apr, 2023

  • 基于街景图像和OpenStreetMap的半监督学习自动建筑高度估计

    通过使用低成本VGI数据，提出了一种基于MapillarySVI和OSM数据的半监督学习方法，可以自动估计建筑物的高度，以生成开放和低成本的3D城市模型。

    Jul, 2023

  • 城市建筑标签不对齐的知识传递方法之比较研究

    通过对三种知识转移方法的系统比较研究，本研究表明，SDA是解决对齐问题最有效的方法，而KD和DML可以在不显著降低性能的情况下有效压缩网络规模。

    Nov, 2023

  • 利用多模态遥感数据在大规模城市区域中识别每个建筑物的功能

    本文提出了一种半监督框架，利用多模态遥感数据在大规模城市区域中识别每个建筑物的功能。研究结果表明，在中国上海的1,616,796座建筑中，所生成的功能地图实现了82%的OA和71%的Kappa，具有支持大规模城市管理和可持续城市发展的潜力。

    May, 2024

  • 跨国范围内预测建筑类型和功能

    本研究针对缺乏建筑类型和功能信息的欧洲地区，探讨了基于开放GIS数据集预测建筑类型和功能的可行性。采用图神经网络模型，我们发现结合上下文信息的建筑邻域可以显著提高预测性能，并通过局部子图训练实现了较高的分类准确率，显示了该方法在建筑分类领域的重要潜力。

    Sep, 2024

  • BuildingView：利用街景影像和多模态大型语言模型构建城市建筑外观数据库

    本研究解决了城市建筑外观数据库构建中的准确性和细节问题，强调了能源效率、环境可持续性和以人为本设计的关键指标。提出的BuildingView方法结合了Google街景的高分辨率视觉数据和OpenStreetMap的空间信息，显著提高了城市研究中的数据准确性和系统性。该数据库经过纽约市、阿姆斯特丹和新加坡的数据验证，为城市规划、建筑设计和环境政策提供了全面支持。

    Sep, 2024