User: Guest  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 
Year:
2019 
Document type:
Dissertation 
Institution:
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. 
Oral examination:
26.02.2019 
File size:
66807359 bytes 
Pages:
150 
Last change:
06.05.2019