斯特凡•李、张Haipeng和大卫•克兰德尔
地理位置是一个强大的财产组织大规模的图片集,但只有一小部分在线照片地理标记。大多数工作在自动从图像内容是基于估计行程比较对模型的建筑物或地标,或者匹配大参考标记图像的集合。这些方法适合经常拍摄主要城市和旅游目的地,但失败的照片很少拍照一些参考照片存在的地方。这里我们考虑如何识别一般geo-informative照片的属性,例如海拔梯度、人口密度、人口、等的拍摄,而不是试图估计一个准确的定位。我们学习这些属性模型使用一套大型(噪声)的地理图像从Flickr通过训练深卷积神经网络(cnn)。我们在十几个属性,评估显示,自动识别一些属性是非常困难的,别人可以自动估计有人类一样的准确性。
结果
论文和演讲
助理条目:
@inproceedings {geoinformative2015wacv,
title ={预测Geo-informative属性使用卷积神经网络在大规模图像集合},
作者={斯蒂芬·李和张Haipeng和大卫•克兰德尔},
booktitle = {IEEE的冬季会议上应用计算机视觉(WACV)},
年= {2015}
}
下载
代码和数据已经具备很快!