User: Guest  Login
Less Searchfields
Simple search
Original title:
Approaching a collective place definition from street-level images using deep learning methods
Translated title:
Zur kollektiven Ortsdarstellung aus Bildern auf Straßenebene mittels „Deep-Learning“-Modellen
Author:
Lyu, Hao
Year:
2019
Document type:
Dissertation
Faculty/School:
Ingenieurfakultät Bau Geo Umwelt
Advisor:
Meng, Liqiu (Prof. Dr.)
Referee:
Meng, Liqiu (Prof. Dr.); Kainz, Wolfgang (Prof. Dr.)
Language:
en
Subject group:
GEO Geowissenschaften
TUM classification:
BAU 950d
Abstract:
This work addresses the challenge of understanding a place in GIScience by investigating visual and spatial (semantic) property in voluntarily collected images with deep learning methods. Two place representations are proposed to unify these properties in a probabilistic perspective of understanding places. The proposed computational models which are based on comparative learning and variational autoencoder are proved to be able to learn the probabilistic place representations from image data.
Translated abstract:
Die vorliegende Arbeit adressiert die Herausforderung, mit „Deep-Learning“-Modellen die ortsbeschreibenden visuellen und räumlichen (semantischen) Eigenschaften zu erkennen. Zwei Ortsdarstellungen werden zur Vereinigung dieser Eigenschaften in Wahrscheinlichkeitsformen vorgeschlagen. Die entwickelten Rechenmodelle basieren auf dem komparativen Lernen und Variationsautokodierer. Sie können die probabilistischen Ortsdarstellungen aus Bilddaten lernen.
WWW:
https://mediatum.ub.tum.de/?id=1464609
Date of submission:
05.12.2018
Oral examination:
26.02.2019
File size:
66807359 bytes
Pages:
150
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20190226-1464609-1-4
Last change:
06.05.2019
 BibTeX