• Главная
  • Лента новостей
  • Лента RSS
  • Статьи
  • Календарь событий
  • Образование
  • Финансирование
  • Открытые инновации
  • Шоу-рум
  • О проекте
  • Партнеры
  • Добавить публикацию
  • Сервисы
  • Реклама
  • hello@technovery.com
  • telegram
  • vk
technovery
Нет результатов
Все результаты
technovery
Нет результатов
Все результаты

Рентгеновское уличное зрение стирает ненужные объекты с городских пейзажей

7 сентября, 2021
Наука
Рентгеновское уличное зрение стирает ненужные объекты с городских пейзажей

Ученые из отдела устойчивой энергетики и экологической инженерии Университета Осаки использовали генеративные сети, обученные на специальном наборе данных, для виртуального удаления препятствий с изображений фасадов зданий. Эта работа может помочь в гражданском планировании, а также в приложениях компьютерного зрения.

Возможность цифрового «стирания» нежелательных закрывающих объектов с городского пейзажа очень полезна, но требует больших вычислительных мощностей. Предыдущие методы использовали стандартные наборы данных изображений для обучения алгоритмов машинного обучения. Теперь группа исследователей из Университета Осаки создала настраиваемый набор данных как часть общей структуры для автоматического удаления нежелательных объектов, таких как пешеходы, растительность или автомобили, с изображения фасада здания. Удаленная область была заменена с использованием цифровой живописи для эффективного восстановления полного вида.

Исследователи использовали данные из региона Кансай в Японии в сервисе просмотра улиц с открытым исходным кодом, в отличие от обычных наборов изображений зданий, которые часто используются в машинном обучении для городских ландшафтов . Затем они построили набор данных для обучения состязательной генеративной сети (GAN) для рисования окклюзированных областей с высокой точностью. «Для задачи рисования фасадов в уличных сценах мы применили сквозную модель рисования изображений на основе глубокого обучения путем обучения с нашими индивидуализированными наборами данных», — объясняет первый автор Цзясинь Чжан.

Команда использовала семантическую сегментацию для обнаружения нескольких типов препятствующих объектов, включая пешеходов, растительность и автомобили, а также использовала GAN для заполнения обнаруженных областей фоновыми текстурами и исправления информации из изображений улиц. Они также предложили рабочий процесс для автоматической фильтрации разблокированных фасадов зданий из изображений улиц и настроили набор данных, чтобы он содержал как оригинальные, так и замаскированные изображения, для обучения дополнительных алгоритмов машинного обучения.

Эта технология визуализации предлагает инструмент коммуникации для экспертов и неспециалистов, который может помочь выработать консенсус в отношении будущих проектов городской среды. «Наша система оказалась более эффективной по сравнению с ранее применявшимися методами при работе с проектами городского ландшафта, для которых предварительная информация не была доступна», — объясняет старший автор Томохиро Фукуда. В будущем этот подход может быть использован для разработки систем дополненной реальности, которые могут автоматически удалять существующие здания и вместо этого отображать предлагаемые ремонтные работы.

Исследование опубликовано в IEEE Access .

Дополнительная информация: Цзясин Чжан и др., Автоматическое удаление объектов с завершением заблокированных фасадов с использованием семантической сегментации и генеративного состязательного рисования, IEEE Access (2021 г.). DOI: 10.1109 / ACCESS.2021.3106124

 

Будьте в курсе в удобном формате, присоединяйтесь: TG-канал и ВК

 

Source: Tech Xplore
Теги: ВизуализацияДанныеКомпьютерное зрениеМашинное обучение

Related Posts

Прогноз погоды следующего поколения: универсальные, гибкие и экономичные датчики
Наука

Прогноз погоды следующего поколения: универсальные, гибкие и экономичные датчики

17 мая, 2022
Тонкий сенсор для компьютерного зрения на основе массива микролинз (MLA)
Наука

Тонкий сенсор для компьютерного зрения на основе массива микролинз (MLA)

13 мая, 2022
Более 10 000 молодых людей смогут принять участие в конкурсе «Цифровой прорыв. Сезон: искусственный интеллект»
Конкурс

Более 10 000 молодых людей смогут принять участие в конкурсе «Цифровой прорыв. Сезон: искусственный интеллект»

22 апреля, 2022
Загрузить больше

Технологии

Робототехника
Беспилотники
Машинное обучение
AI
Транспорт
Материалы
ВИЭ
Интернет вещей
Микроэлектроника
Оптика
Носимые устройства

Смотреть все »

Запросы

Актуальные запросы Правительства Москвы на поиск инновационных решений. Предложить решение можно до 31 мая

Курс на импортзамещение. Удмуртский государственный университет

Университет Иннополис предложит компаниям план перехода на российское ПО

Открытый запрос РЖД: Получение альтернативной энергии посредством обустройства микрогидроэлектростанций в системе водоснабжения. Подача предложений до 7 июля

Открытый запрос на поиск технологических решений. Северсталь

Курс на импортзамещение. Южный федеральный университет

Startup Village 2022 состоится в гибридном формате. 25-26 мая
Конференция

Startup Village 2022 состоится в гибридном формате. 25-26 мая

14 марта, 2022

© 2022 technovery

  • hello@technovery.com
  • Условия использования
  • Политика конфиденциальности
Нет результатов
Все результаты
  • Главная
  • Лента новостей
  • Лента RSS
  • Статьи
  • Календарь событий
  • Образование
  • Финансирование
  • Открытые инновации
  • Шоу-рум
  • Карта технологий
  • О проекте
  • Партнеры
  • Добавить публикацию
  • Сервисы
  • Реклама
  • hello@technovery.com

© 2022 technovery