Am Beispiel der Gebäudegeneralisierung konnten wir zeigen, dass Lernverfahren in der Lage sind, eine plausible Repräsentationen von Gebäuden in verschiedenen Maßstäben zu erzeugen. Dabei werden verschiedene - sonst separate - Operationen in ganzheitlicher Weise integriert: Vereinfachung des Umrings und Zusammenfassen benachbarter Objekte. Solche Verfahren lassen sich insbesondere für Bildschirmdarstellungen einsetzen.
Learning Cartographic Building Generalization with Deep Convolutional Neural Networks
Yu Feng *, Frank Thiemann and Monika Sester Institute of Cartography and Geoinformatics, Leibniz University Hannover, Appelstraße 9a, 30167 Hannover, Germany * Author to whom correspondence should be addressed. ISPRS Int. J. Geo-Inf. 2019, 8(6), 258; doi.org/10.3390/ijgi8060258 (registering DOI)
Das Paper findet sich (open access) unter:
