تعلم التمثيلات العميقة للمعايرة الجغرافية من الأرض للجو

أدى توافر الصور الجغرافية المميزة والبيانات الجغرافية الغنية مؤخرًا إلى إلهام عدد من الخوارزميات للمعايرة الجغرافية القائمة على الصور. تتنبأ معظم الأساليب بموقع صورة الاستعلام من خلال مطابقتها مع صور الأرض المعروفة المواقع (مثل بيانات عرض الشارع). ومع ذلك، فإن معظم كوكب الأرض لا يحتوي على صور مرجعية متاحة على مستوى الأرض. لحسن الحظ، توفر الصور الجوية المائلة أو "عين الطائر" تغطية أكثر شمولاً. في هذا العمل، نقوم بتحديد موقع صورة استعلام على مستوى الأرض من خلال مطابقتها مع قاعدة بيانات مرجعية من الصور الجوية. نستخدم بيانات متاحة للجمهور لبناء مجموعة بيانات من 78,000 زوج من الصور المتقاطعة المتوافقة. التحدي الرئيسي في هذه المهمة هو أن الأساليب التقليدية للرؤية الحاسوبية لا يمكنها التعامل مع قاعدة المعيار الواسعة وتنوع المظهر لهذه الأزواج المتقاطعة. نستخدم مجموعة بياناتنا لتعلم تمثيل الميزات الذي تكون فيه المشاهد المطابقة قريبة من بعضها البعض والمشاهد غير المطابقة بعيدة عن بعضها البعض. الاقتراح الخاص بنا، Where-CNN، مستوحى من نجاح التعلم العميق في تحقق الوجه ويحقق تحسينات كبيرة على الميزات المصنوعة يدويًا التقليدية والميزات العميقة الموجودة التي تم تعلمها من قواعد بيانات كبيرة أخرى. نظهر فعالية Where-CNN في العثور على المطابقات بين صور عرض الشارع وصور العرض الجوي ونظهر قدرة ميزاتنا المتعلمة على التعميم إلى مواقع جديدة.