JP2021005301A - 建物抽出処理装置及びプログラム - Google Patents
建物抽出処理装置及びプログラム Download PDFInfo
- Publication number
- JP2021005301A JP2021005301A JP2019119879A JP2019119879A JP2021005301A JP 2021005301 A JP2021005301 A JP 2021005301A JP 2019119879 A JP2019119879 A JP 2019119879A JP 2019119879 A JP2019119879 A JP 2019119879A JP 2021005301 A JP2021005301 A JP 2021005301A
- Authority
- JP
- Japan
- Prior art keywords
- building
- data
- output
- learning
- trained
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 38
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 44
- 230000010354 integration Effects 0.000 abstract description 7
- 238000005303 weighing Methods 0.000 abstract 3
- 238000000034 method Methods 0.000 description 81
- 238000012549 training Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 11
- 230000015654 memory Effects 0.000 description 9
- 238000010801 machine learning Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000011176 pooling Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 240000004050 Pentaglottis sempervirens Species 0.000 description 2
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
Description
所定の指標に応じて複数のグループに分類された建物の上空からの撮影画像を各々入力とし、前記建物の範囲を示す出力マップを各々出力とするように、前記撮影画像と当該撮影画像に対応付けられた前記建物の範囲の教師データとを用いてそれぞれ学習された複数の第1学習済モデルを有する検出部と、
建物の上空からの撮影画像の入力に対して前記複数の第1学習済モデルによりそれぞれ出力された複数の前記出力マップを所定の重み付け係数で重み付け加算した統合マップを得る統合部と、
建物の上空からの撮影画像の入力に対して前記重み付け係数を出力するように、前記統合マップと前記教師データにおける前記建物の範囲との不一致度合に応じて前記重み付け係数が学習された第2学習済モデルを有する割当部と、
を備えることを特徴とする建物抽出処理装置である。
コンピュータを、
所定の指標に応じて複数のグループに分類された建物の上空からの撮影画像を各々入力とし、前記建物の範囲を示す出力マップを各々出力とするように、前記撮影画像と当該撮影画像に対応付けられた前記建物の範囲の教師データとを用いてそれぞれ学習された複数の第1学習済モデルを有する検出手段、
建物の上空からの撮影画像の入力に対して前記複数の第1学習済モデルによりそれぞれ出力された複数の前記出力マップを所定の重み付け係数で重み付け加算した統合マップを得る統合手段、
建物の上空からの撮影画像の入力に対して前記重み付け係数を出力するように、前記統合マップと、前記教師データにおける前記建物の範囲との不一致度合に応じて前記重み付け係数が学習された第2学習済モデルを有する割当手段、
として機能させることを特徴とするプログラムである。
図1は、第1実施形態の建物抽出処理装置(コンピュータ)である処理装置1の構成を示すブロック図である。
図2は、建物抽出動作の処理の流れを機能的に示した図である。
学習モデルA〜Dの学習処理で用いられる学習データ203は、上述のように、撮影画像データ205を小規模建物程度〜その数倍程度の大きさで区分したブロックデータに分割したものであり、この学習処理で用いられる教師データ204では、当該ブロックデータの各画素における建物有無が上述のように1ビット(2値)などで保持される。
図5は、判別学習モデル生成処理の制御部11による制御手順を示すフローチャートである。ここでは、学習モデルA〜Dにそれぞれ属するブロックデータの位置情報に係る上記リストが用いられるものとして説明する。
制御部11は、学習データ203から本処理の対象の画像データ(ブロックデータ)を1つ取得する(ステップS301)。制御部11は、画像データに対して畳み込み(設計に応じてプーリング)を行って特徴量(特徴マップ)を抽出する(ステップS302)。また、制御部11は、得られた特徴量(特徴マップ)を平坦化及び全結合するか、又は更に畳み込み処理を適用することで、割当マップを生成する(ステップS303)。
図8は、建物抽出処理の制御部11による制御手順を示すフローチャートである。
ここでは、建物を抽出する対象となる通常の撮影画像のデータを所定の面積(画素数)で分割した画像データ(上記エリアデータ)を順次設定して建物の抽出を行っていく。
この学習データ生成処理は、建物の高さの代わりに色相Hを用いたものであり、ステップS111の処理が削除され、ステップS112、S113の処理がステップS112a、S113aの処理に置き換えられている。その他の処理は同一であり、同一の処理内容には同一の符号を付して説明を省略する。
建物では、必ずしも指標を挟んで完全に異なる形状、サイズや色合いを示すわけではなく、しばしば特性が混在する。したがって、建物の特性によっては他の分類に係る学習済モデルの方がより適切に建物を抽出可能となることも多い。したがって、上述のように、複数の学習済モデルを並列に用いて出力マップA〜Dを取得し、建物の特徴に応じた重み付け係数でこれら出力マップA〜Dを適宜に重み付けて建物を抽出することで、より精度よく撮影画像から建物を抽出することが可能になる。また、複数の建物が撮影画像内に存在し、これらの特性が分散していて各々明確に分離することのできない場合に、当該複数の学習済モデルを画素などの単位面積ごとに適宜に重み付けして加算することで、画像内の各建物を容易かつより精度よく抽出することが可能になる。
例えば、上記実施の形態では、CNNを用いて出力マップ及び割当マップを取得したが、機械学習モデルはこれに限られない。他の手法が用いられてもよい。また、検出部PR3と割当部PR4とで異なる手法の機械学習モデルが用いられてもよい。
その他、上記実施の形態で示した構成、処理内容及び手順などの具体的な細部は、本発明の趣旨を逸脱しない範囲において適宜変更可能である。
11 制御部
12 記憶部
121 プログラム
122、123 学習済モデル
13 入出力インターフェイス
131 接続端子
132 通信部
14 操作受付部
15 表示部
21 データベース装置
22 光学読取装置
201 DSMデータ
202 DEMデータ
203 学習データ
204 教師データ
205 撮影画像データ
PR1 高さ取得部
PR2 指標値取得部
PR3 検出部
PR31 特徴量抽出部
PR32 判定部
PR4 割当部
PR41 特徴量抽出部
PR42 判定部
PR5 統合部
Claims (5)
- 所定の指標に応じて複数のグループに分類された建物の上空からの撮影画像を各々入力とし、前記建物の範囲を示す出力マップを各々出力とするように、前記撮影画像と当該撮影画像に対応付けられた前記建物の範囲の教師データとを用いてそれぞれ学習された複数の第1学習済モデルを有する検出部と、
建物の上空からの撮影画像の入力に対して前記複数の第1学習済モデルによりそれぞれ出力された複数の前記出力マップを所定の重み付け係数で重み付け加算した統合マップを得る統合部と、
建物の上空からの撮影画像の入力に対して前記重み付け係数を出力するように、前記統合マップと前記教師データにおける前記建物の範囲との不一致度合に応じて前記重み付け係数が学習された第2学習済モデルを有する割当部と、
を備えることを特徴とする建物抽出処理装置。 - 前記所定の指標には、建物面積、建物の高さ及び建物の屋根の色情報のうち少なくともいずれかが含まれることを特徴とする請求項1記載の建物抽出処理装置。
- 前記建物の高さの情報は、前記撮影画像に対応する範囲の高度プロファイルデータから取得されることを特徴とする請求項2記載の建物抽出処理装置。
- 前記複数のグループへの分類は、複数の前記指標によりなされることを特徴とする請求項1〜3のいずれか一項に記載の建物抽出処理装置。
- コンピュータを、
所定の指標に応じて複数のグループに分類された建物の上空からの撮影画像を各々入力とし、前記建物の範囲を示す出力マップを各々出力とするように、前記撮影画像と当該撮影画像に対応付けられた前記建物の範囲の教師データとを用いてそれぞれ学習された複数の第1学習済モデルを有する検出手段、
建物の上空からの撮影画像の入力に対して前記複数の第1学習済モデルによりそれぞれ出力された複数の前記出力マップを所定の重み付け係数で重み付け加算した統合マップを得る統合手段、
建物の上空からの撮影画像の入力に対して前記重み付け係数を出力するように、前記統合マップと、前記教師データにおける前記建物の範囲との不一致度合に応じて前記重み付け係数が学習された第2学習済モデルを有する割当手段、
として機能させることを特徴とするプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019119879A JP2021005301A (ja) | 2019-06-27 | 2019-06-27 | 建物抽出処理装置及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019119879A JP2021005301A (ja) | 2019-06-27 | 2019-06-27 | 建物抽出処理装置及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021005301A true JP2021005301A (ja) | 2021-01-14 |
Family
ID=74098201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019119879A Pending JP2021005301A (ja) | 2019-06-27 | 2019-06-27 | 建物抽出処理装置及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2021005301A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023007551A1 (ja) * | 2021-07-26 | 2023-02-02 | ファナック株式会社 | 画像処理装置及びコンピュータ読み取り可能な記憶媒体 |
WO2023053364A1 (ja) * | 2021-09-30 | 2023-04-06 | 楽天グループ株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
WO2024100777A1 (ja) * | 2022-11-08 | 2024-05-16 | 日本電信電話株式会社 | 推論装置、学習装置、推論方法、学習方法、及びコンピュータプログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009051258A1 (ja) * | 2007-10-19 | 2009-04-23 | Pasco Corporation | 家屋異動判定方法、及び家屋異動判定プログラム |
JP2010262506A (ja) * | 2009-05-08 | 2010-11-18 | Sony Corp | 画像処理装置および方法、並びにプログラム |
JP2013045433A (ja) * | 2011-08-26 | 2013-03-04 | Canon Inc | 学習装置、学習装置の制御方法、検出装置、検出装置の制御方法、およびプログラム |
JP2019028657A (ja) * | 2017-07-28 | 2019-02-21 | 株式会社パスコ | 建物領域抽出用の学習済みモデル |
-
2019
- 2019-06-27 JP JP2019119879A patent/JP2021005301A/ja active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009051258A1 (ja) * | 2007-10-19 | 2009-04-23 | Pasco Corporation | 家屋異動判定方法、及び家屋異動判定プログラム |
JP2010262506A (ja) * | 2009-05-08 | 2010-11-18 | Sony Corp | 画像処理装置および方法、並びにプログラム |
JP2013045433A (ja) * | 2011-08-26 | 2013-03-04 | Canon Inc | 学習装置、学習装置の制御方法、検出装置、検出装置の制御方法、およびプログラム |
JP2019028657A (ja) * | 2017-07-28 | 2019-02-21 | 株式会社パスコ | 建物領域抽出用の学習済みモデル |
Non-Patent Citations (2)
Title |
---|
YUANYUAN GUI ET AL.: ""Multi-Branch Regression Network For Building Classification Using Remote Sensing Images"", 2018 10TH IAPR WORKSHOP ON PATTERN RECOGNITION IN REMOTE SENSING (PRRS), JPN6023012287, 19 August 2018 (2018-08-19), US, pages 1 - 4, XP033417864, ISSN: 0005086385, DOI: 10.1109/PRRS.2018.8486177 * |
藤田 藍斗、外2名: ""CNNを用いた高空間解像度衛星画像からの地物抽出"", 2016年度 人工知能学会全国大会(第30回)論文集, JPN6023012288, 6 June 2016 (2016-06-06), JP, pages 1 - 4, ISSN: 0005086384 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023007551A1 (ja) * | 2021-07-26 | 2023-02-02 | ファナック株式会社 | 画像処理装置及びコンピュータ読み取り可能な記憶媒体 |
WO2023053364A1 (ja) * | 2021-09-30 | 2023-04-06 | 楽天グループ株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
WO2024100777A1 (ja) * | 2022-11-08 | 2024-05-16 | 日本電信電話株式会社 | 推論装置、学習装置、推論方法、学習方法、及びコンピュータプログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110929607B (zh) | 一种城市建筑物施工进度的遥感识别方法和*** | |
US9471853B2 (en) | Method and apparatus for image processing | |
US8179393B2 (en) | Fusion of a 2D electro-optical image and 3D point cloud data for scene interpretation and registration performance assessment | |
US8855427B2 (en) | Systems and methods for efficiently and accurately detecting changes in spatial feature data | |
US8503761B2 (en) | Geospatial modeling system for classifying building and vegetation in a DSM and related methods | |
JP2021005301A (ja) | 建物抽出処理装置及びプログラム | |
JP6808787B1 (ja) | 建物変化識別装置及びプログラム | |
US11334986B2 (en) | System and method for processing images of agricultural fields for remote phenotype measurement | |
CN112634340A (zh) | 基于点云数据确定bim模型的方法、装置、设备和介质 | |
CN111323788B (zh) | 建筑物变化的监测方法、装置及计算机设备 | |
US20100182316A1 (en) | Geospatial modeling system for 3d clutter data and related methods | |
Bandyopadhyay et al. | Classification and extraction of trees and buildings from urban scenes using discrete return LiDAR and aerial color imagery | |
JPWO2019087673A1 (ja) | 画像処理装置、画像処理方法、画像処理プログラムおよび画像処理システム | |
US20130231897A1 (en) | Systems and methods for efficient analysis of topographical models | |
CN113724381B (zh) | 一种基于高分遥感影像的动态三维场景快速重建方法 | |
CN111458691A (zh) | 建筑物信息的提取方法、装置及计算机设备 | |
ESTOQUE et al. | < Original Papers> Validating ALOS PRISM DSM-derived surface feature height: Implications for urban volume estimation | |
CN116681959B (zh) | 基于机器学习的锋线识别方法、装置、存储介质及终端 | |
US8755606B2 (en) | Systems and methods for efficient feature extraction accuracy using imperfect extractors | |
JP5352435B2 (ja) | 分類画像作成装置 | |
JP6546385B2 (ja) | 画像処理装置及びその制御方法、プログラム | |
KR101114904B1 (ko) | 도화원도와 항공 레이저 측량 데이터를 이용한 도시공간정보 구축 시스템 및 그 방법 | |
Kux et al. | Object-oriented analysis of high-resolution satellite images for intra-urban land cover classification: Case study in São José Dos Campos, São Paulo State, Brazil | |
KR20130002239A (ko) | 포인트 클라우드 데이터의 필터링을 통해 획득된 도로데이터의 경사도를 이용하여 도로 레이어를 생성하는 시스템 및 방법 | |
JP2017133966A (ja) | 植物種判別装置、植物種判別方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220418 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230327 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230404 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230605 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230620 |