Login
- 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