Info
Meny
English
Logg inn
Søk etter prosjekter, resultater og personer
Søk etter prosjekter, resultater og personer
Historikk
Cristin-resultat-ID:
1476669
Sist endret:
11. juli 2017, 11:02
NVI-rapporteringsår:
2017
Resultat
Vitenskapelig Kapittel/Artikkel/Konferanseartikkel
2017
Large-Scale Mapping of Small Roads in Lidar Images Using Deep Convolutional Neural Networks
Arnt Børre Salberg
Øivind Due Trier
og
Michael C. Kampffmeyer
Bok
Bok
Image Analysis 20th Scandinavian Conference, SCIA 2017 Tromsø, Norway, June 12–14, 2017 Proceedings, Part II
ISBN:
978-3-319-59128-5
Utgiver
Springer
NVI-nivå 1
Finn i kanalregisteret
Serie
Lecture Notes in Computer Science (LNCS)
ISSN 0302-9743
e-ISSN 1611-3349
NVI-nivå 1
Finn i kanalregisteret
Om resultatet
Om resultatet
Vitenskapelig Kapittel/Artikkel/Konferanseartikkel
Publiseringsår: 2017
Hefte: 10270
Sider: 193 - 204
ISBN:
978-3-319-59128-5
Open Access
Lenker
Lenker
original online (doi)
https://doi.org/10.1007%2F978-3-319-59129-2_17
ORIA
Søk i ORIA med 978-3-319-59128-5
Institusjonsarkiv
hdl.handle.net/10037/29126
Importkilder
Importkilder
Scopus-ID: 2-s2.0-85020455811
Klassifisering
Klassifisering
Fagfelt (NPI)
Fagfelt: IKT
- Fagområde: Realfag og teknologi
Beskrivelse
Beskrivelse
Engelsk
Tittel
Large-Scale Mapping of Small Roads in Lidar Images Using Deep Convolutional Neural Networks
Sammendrag
Detailed and complete mapping of forest roads is important for the forest industry since they are used for timber transport by trucks with long trailers. This paper proposes a new automatic method for large-scale mapping forest roads from airborne laser scanning data. The method is based on a fully convolutional neural network that performs end-to-end segmentation. To train the network, a large set of image patches with corresponding road label information are applied. The final network is then applied to detect and map forest roads from lidar data covering the Etnedal municipality in Norway. The results show that we are able to map the forest roads with an overall accuracy of 97.2%. We conclude that the method has a strong potential for large-scale operational mapping of forest roads.
Vis
fullstendig beskrivelse
Bidragsytere
Bidragsytere
Arnt-Børre Salberg
Bidragsyterens navn vises på dette resultatet som Arnt Børre Salberg
Forfatter
ved Avdeling for bildeanalyse, maskinlæring og jordobservasjon BAMJO ved Norsk Regnesentral
Øivind Due Trier
Forfatter
ved Avdeling for bildeanalyse, maskinlæring og jordobservasjon BAMJO ved Norsk Regnesentral
Michael Christian Kampffmeyer
Bidragsyterens navn vises på dette resultatet som Michael C. Kampffmeyer
Forfatter
ved Institutt for fysikk og teknologi ved UiT Norges arktiske universitet
1
-
3
av
3
Resultatet er en del av
Resultatet er en del av
Image Analysis 20th Scandinavian Conference, SCIA 2017 Tromsø, Norway, June 12–14, 2017 Proceedings, Part II.
Sharma, Puneet; Bianchi, Filippo Maria. 2017, Springer. UIT
Vitenskapelig antologi/Konferanseserie
1
-
1
av
1