DeepLearningによる地図分析

  • 作成日:2017年06月12日 最終更新日:2017年06月12日
  • コメントする
  • いいね
  • お気に入り

全体に公開

提出者情報

データジャケットの題名 DeepLearningによる地図分析
データの所在・所有者
データ収集方法やコスト 論文より
データの共有について その他
データの共有について (その他を選ばれた方)

データの分析・シミュレーションについて

データの種類 数値
データの変数(パラメーター)の変数名 空中写真(国土地理院が提供している日本の空中写真)|旧版地形図(1 5M地形図竜ヶ崎をGDA12TILESを使ってPNG形式にしたもの)|CONVNETによる土地利用図(CONVNETを用いて、旧版地形図を学習データ、土地利用図教師データを教師データとして作成した土地利用図)|PIX2PIXによる地図画像(PIX2PIXによって空中写真と地図画像を学習して作成した地図画像)|PIX2PIXによる土地利用図(PIX2PIXによって旧版地形図と土地利用図を学習して作成した地図画像)|地図画像(OPENSTREETMAPが作成している地図画像)|土地利用図教師データ(旧版地形図から作成した土地利用図をTIFF形式にしたもの)
データの概要説明 DeepLearning(Convnet及びpix2pix)による「地図画像→土地利用図」、「空中写真→地図画像」などの変換。
想定しているデータの分析・シミュレーションプロセス 旧版地形図や空中写真といったデータをDeepLearningを用いて学習し、一定の精度で画像の分析を行える。
想定しているデータの分析・シミュレーションプロセスの結果 (データ分析結果/ツールの出力/典型例など) 一定の精度で画像の分析を行うことができた。また、pix2pixはGANという、2種類の画像を双方向から変換、評価する手法を取っており、土地利用図の作成においてConvnetよりも高い精度が出た。
上記の分析・シミュレーションプロセス以外に期待する分析

その他

自由記述
入手したいデータ/ツール
可視化情報
サンプルデータ

コメントフォーム

captcha

利用規約はこちらからご確認下さい。

関連するトピック

関連するトピックはありません。