Article / Chapter CC BY 4.0
published

Anreicherung von Straßendaten mittels Deep-Learning-Methoden und Mapillary Bildern

GND
1066402140
VIAF
313474154
ORCID
0000-0001-9738-4060
Affiliation
[HeiGIT gGmbH (Heidelberg Institut for Geoinformation Technology), Heidelberg]
Herfort, Benjamin;
ORCID
0009-0005-5068-3246
Affiliation
[HeiGIT gGmbH (Heidelberg Institut for Geoinformation Technology), Heidelberg]
Randhawa, Sukanya

Wir haben einen globalen Datensatz zu Straßeneigenschaften ("befestigt" oder "unbefestigt") mithilfe von KI-Methoden erstellt, basierend auf 105 Millionen Bildern von Mapillary . Unser Ansatz kombiniert SWIN-Transformer-Vorhersagen des Straßenbelags mit einer CLIP-Filterung minderwertiger Bilder. Der Datensatz deckt 36 % des weltweiten Straßennetzes ab, wobei die Abdeckung in Städten höher ist. Er kann in der Stadtplanung, im Katastrophenmanagement, in der Logistik genutzt werden.

Cite

Citation style:
Could not load citation form.

Access Statistic

Total:
Downloads:
Abtractviews:
Last 12 Month:
Downloads:
Abtractviews:

Rights

Use and reproduction: