Deep learning for change detection of single trees in swissTLM3D

• Forschungsstelle: SWISSTOPO
• Projektnummer: T-1000

Schlüsselwörter (Deutsch)

Maschinelles Lernen, Neuronale Netze, Veränderungskartierung, Einzelbaum, Landschaftsmodell, swissTLM3D

Schlüsselwörter (Englisch)

Deep Learning, Machine Learning, Change Detection, Single Trees, swissTLM3D, Landscape Model

Kurzbeschreibung (Deutsch)

Entwicklung von Algorithmen auf Basis des Maschinellen Lernens mit Neuronalen Netzwerken (Deep Learning) zur Veränderungskartierung von Einzelbäumen in digitalen Luftbilddaten für das Schweizerische Landschaftsmodell swissTLM3D.

Projektziele (Deutsch)

Entwickeln von Algorithmen zur Veränderungskartierung (zwei Jahresschnitte)

• von Einzelbäumen
• in digitalen Luftbilddaten der swisstopo
• in einem grösseren Gebiet der Schweiz
• Kartierung der Zustände neu, verändert und nicht mehr vorhanden
• optional eine Baumtypenunterscheidung

Eine Qualitätsanalyse, Performanceanalyse, digitale Reports und die technische Dokumentation der Programme und Arbeitsumgebungen sind zu erstellen.

Abstract (Deutsch)

s. Kurzbeschreibung

Abstract (Englisch)

This report summarizes the work carried in the context of the project “Deep learning for change detection of single trees in swissTLM3D” contracted by Swisstopo to Wageningen University and Research (WUR). After detailing the pre-processing of the data in section 2, we describe the selected methodology in section 3 and show preliminary results in section 4. The different tested strategies are evaluated on a subset of the dataset in subsection 4.1. The most promising are then evaluated on a bigger dataset in subsection 4.2. Finally, we explain what are the following steps to be investigated in section 5.