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

AutoGeoLabel: Automated Label Generation for Geospatial Machine Learning

Albrecht, Conrad M. und Marianno, Fernando und Klein, Levente J (2021) AutoGeoLabel: Automated Label Generation for Geospatial Machine Learning. In: 2021 IEEE International Conference on Big Data, Big Data 2021, Seiten 1779-1786. 2021 IEEE International Conference on Big Data (Big Data), 2021-12-15 - 2021-12-18, virtual. doi: 10.1109/BigData52589.2021.9672060. ISBN 978-1-6654-3902-2. ISSN 2639-1589.

[img] PDF
7MB

Offizielle URL: https://ieeexplore.ieee.org/document/9672060

Kurzfassung

Abstract—A key challenge of supervised learning is the availability of human-labeled data. We evaluate a big data processing pipeline to auto-generate labels for remote sensing data. It is based on rasterized statistical features extracted from surveys such as e.g. LiDAR measurements. Using simple combinations of the rasterized statistical layers, it is demonstrated that multiple classes can be generated at accuracies of ∼0.9. As proof of concept, we utilize the big geo-data platform IBM PAIRS to dynamically generate such labels in dense urban areas with multiple land cover classes. The general method proposed here is platform independent, and it can be adapted to generate labels for other satellite modalities in order to enable machine learning on overhead imagery for land use classification and object detection.

elib-URL des Eintrags:https://elib.dlr.de/148608/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:AutoGeoLabel: Automated Label Generation for Geospatial Machine Learning
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Albrecht, Conrad M.Conrad.Albrecht (at) dlr.dehttps://orcid.org/0009-0009-2422-7289NICHT SPEZIFIZIERT
Marianno, Fernandofjmarian (at) us.ibm.comNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Klein, Levente Jkleinl (at) us.ibm.comNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:Dezember 2021
Erschienen in:2021 IEEE International Conference on Big Data, Big Data 2021
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
DOI:10.1109/BigData52589.2021.9672060
Seitenbereich:Seiten 1779-1786
ISSN:2639-1589
ISBN:978-1-6654-3902-2
Status:veröffentlicht
Stichwörter:Geospatial analysis, Laser radar, Big data applications, Weak supervision
Veranstaltungstitel:2021 IEEE International Conference on Big Data (Big Data)
Veranstaltungsort:virtual
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:15 Dezember 2021
Veranstaltungsende:18 Dezember 2021
Veranstalter :IEEE
HGF - Forschungsbereich:keine Zuordnung
HGF - Programm:keine Zuordnung
HGF - Programmthema:keine Zuordnung
DLR - Schwerpunkt:Digitalisierung
DLR - Forschungsgebiet:D CPE - Cyberphysisches Engineering
DLR - Teilgebiet (Projekt, Vorhaben):D - urbanModel, R - Künstliche Intelligenz
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Methodik der Fernerkundung > EO Data Science
Hinterlegt von: Albrecht, Conrad M
Hinterlegt am:03 Feb 2022 10:18
Letzte Änderung:04 Jun 2024 14:47

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.