elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Map-Repair: Deep Cadastre Maps Alignment and Temporal Inconsistencies Fix in Satellite Images

Zorzi, Stefano und Bittner, Ksenia und Fraundorfer, Friedrich (2020) Map-Repair: Deep Cadastre Maps Alignment and Temporal Inconsistencies Fix in Satellite Images. In: 2020 IEEE International Geoscience and Remote Sensing Symposium, IGARSS 2020, Seiten 1-4. IGARSS 2020, 2020-09-26 - 2020-10-02, Virtual Symposium. doi: 10.1109/igarss39084.2020.9323370. ISBN 978-172816374-1. ISSN 2153-6996.

[img] PDF
5MB

Kurzfassung

In the fast developing countries it is hard to trace new buildings construction or old structures destruction and, as a result, to keep the up-to-date cadastre maps. Moreover, due to the complexity of urban regions or inconsistency of data used for cadastre maps extraction, the errors in form of misalignment is a common problem. In this work, we propose an end-to-end deep learning approach which is able to solve inconsistencies between the input intensity image and the available building footprints by correcting label noises and, at the same time, misalignments if needed. The obtained results demonstrate the robustness of the proposed method to even severely misaligned examples that makes it potentially suitable for real applications, like OpenStreetMap correction.

elib-URL des Eintrags:https://elib.dlr.de/138187/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Map-Repair: Deep Cadastre Maps Alignment and Temporal Inconsistencies Fix in Satellite Images
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Zorzi, Stefanozorzi (at) icg.tugraz.atNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Bittner, KseniaKsenia.Bittner (at) dlr.dehttps://orcid.org/0000-0002-4048-3583NICHT SPEZIFIZIERT
Fraundorfer, Friedrichfraundorfer (at) icg.tugraz.athttps://orcid.org/0000-0002-5805-8892NICHT SPEZIFIZIERT
Datum:September 2020
Erschienen in:2020 IEEE International Geoscience and Remote Sensing Symposium, IGARSS 2020
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
DOI:10.1109/igarss39084.2020.9323370
Seitenbereich:Seiten 1-4
Name der Reihe:IEEE International Geoscience and Remote Sensing Symposium
ISSN:2153-6996
ISBN:978-172816374-1
Status:veröffentlicht
Stichwörter:deep learning, segmentation, building footprint, remote sensing, high-resolution aerial images, cadastre map alignment
Veranstaltungstitel:IGARSS 2020
Veranstaltungsort:Virtual Symposium
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:26 September 2020
Veranstaltungsende:2 Oktober 2020
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Verkehr
HGF - Programmthema:Straßenverkehr
DLR - Schwerpunkt:Verkehr
DLR - Forschungsgebiet:V ST Straßenverkehr
DLR - Teilgebiet (Projekt, Vorhaben):V - NGC KoFiF (alt)
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Methodik der Fernerkundung > Photogrammetrie und Bildanalyse
Hinterlegt von: Bittner, Ksenia
Hinterlegt am:26 Nov 2020 14:01
Letzte Änderung:24 Apr 2024 20:40

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.