Observatorio de I+D+i UPM

Memorias de investigación
Ponencias en congresos:
A deep convolutional neural network to detect the existence of geospatial elements in high-resolution aerial imagery
Año:2019
Áreas de investigación
  • Geografía,
  • Cartografía,
  • Informática
Datos
Descripción
This paper tackles the problem of object recognition in high-resolution aerial imagery and addresses the application of Deep Learning techniques to solve a challenge related to detecting the existence of geospatial elements (road network) in the available cartographic support. This challenge is addressed by building a convolutional neural network (CNN) trained to detect roads in high resolution aerial orthophotos divided in tiles (256 × 256 pixels) using manually labelled data.
Internacional
Si
Nombre congreso
The II Geomatics Engineering Conference
Tipo de participación
960
Lugar del congreso
Madrid
Revisores
Si
ISBN o ISSN
2504-3900
DOI
10.3390/proceedings2019019017
Fecha inicio congreso
26/06/2019
Fecha fin congreso
27/06/2019
Desde la página
1
Hasta la página
3
Título de las actas
Proceedings, 2019, CIGeo 2019 The II Geomatics Engineering Conference
Esta actividad pertenece a memorias de investigación
Participantes
  • Autor: Calimanut-Ionut Cira (UPM)
  • Autor: Ramon Pablo Alcarria Garrido (UPM)
  • Autor: Miguel Angel Manso Callejo (UPM)
  • Autor: Francisco Serradilla Garcia (UPM)
Grupos de investigación, Departamentos, Centros e Institutos de I+D+i relacionados
  • Creador: Grupo de Investigación: Grupo de Ingeniería de Redes y Servicios Avanzados de Telecomunicación
  • Departamento: Ingeniería Topográfica y Cartografía
  • Departamento: Inteligencia Artificial
  • Centro o Instituto I+D+i: Instituto Universitario de Investigación del Automóvil (INSIA)
S2i 2022 Observatorio de investigación @ UPM con la colaboración del Consejo Social UPM
Cofinanciación del MINECO en el marco del Programa INNCIDE 2011 (OTR-2011-0236)
Cofinanciación del MINECO en el marco del Programa INNPACTO (IPT-020000-2010-22)