Semantic Segmentation for Aerial Mapping

Autor:	Gabriel Martinez-Soltero, Alma Y. Alanis, Nancy Arana-Daniel, Carlos Lopez-Franco
Jazyk:	angličtina
Rok vydání:	2020
Předmět:	mapping semantic segmentation convolutional neural networks unet Mathematics QA1-939
Zdroj:	Mathematics, Vol 8, Iss 9, p 1456 (2020)
Druh dokumentu:	article
ISSN:	2227-7390 79296971
DOI:	10.3390/math8091456
Popis:	Mobile robots commonly have to traverse rough terrains. One way to find the easiest traversable path is by determining the types of terrains in the environment. The result of this process can be used by the path planning algorithms to find the best traversable path. In this work, we present an approach for terrain classification from aerial images while using a Convolutional Neural Networks at the pixel level. The segmented images can be used in robot mapping and navigation tasks. The performance of two different Convolutional Neural Networks is analyzed in order to choose the best architecture.
Databáze:	Directory of Open Access Journals
Externí odkaz:	https://doaj.org/article/146ebbe6a62b46b79296971996497ff0 Zobrazit plný text záznamu View record in DOAJ Plný text ve formátu PDF Plný text ve formátu HTML
Nepřihlášeným uživatelům se plný text nezobrazuje	K zobrazení výsledku je třeba se přihlásit.