Border Detection for Seamless Connection of Historical Cadastral Maps

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F21%3A43963770" target="_blank" >RIV/49777513:23520/21:43963770 - isvavai.cz</a>

Výsledek na webu

<a href="https://link.springer.com/chapter/10.1007/978-3-030-86198-8_4" target="_blank" >https://link.springer.com/chapter/10.1007/978-3-030-86198-8_4</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-030-86198-8_4" target="_blank" >10.1007/978-3-030-86198-8_4</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Border Detection for Seamless Connection of Historical Cadastral Maps

Popis výsledku v původním jazyce

This paper presents a set of methods for detection of important features in historical cadastral maps. The goal is to allow a seamless connection of the maps based on such features. The connection is very important so that the maps can be presented online and utilized easily. We concentrate on the detection of cadastre borders and important points lying on them. Neighboring map sheets are connected according to the common border. The tasks are solved using a combination of fully convolutional networks and conservative computer vision techniques. The presented approaches are evaluated on a newly created dataset containing manually annotated ground-truths. The dataset is freely available for research purposes.

Název v anglickém jazyce

Border Detection for Seamless Connection of Historical Cadastral Maps

Popis výsledku anglicky

This paper presents a set of methods for detection of important features in historical cadastral maps. The goal is to allow a seamless connection of the maps based on such features. The connection is very important so that the maps can be presented online and utilized easily. We concentrate on the detection of cadastre borders and important points lying on them. Neighboring map sheets are connected according to the common border. The tasks are solved using a combination of fully convolutional networks and conservative computer vision techniques. The presented approaches are evaluated on a newly created dataset containing manually annotated ground-truths. The dataset is freely available for research purposes.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2021

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Document Analysis and Recognition – ICDAR 2021 Workshops

ISBN

978-3-030-86197-1

ISSN

0302-9743

e-ISSN

1611-3349

Počet stran výsledku

16

Strana od-do

43-58

Název nakladatele

Springer International Publishing

Místo vydání

Cham

Místo konání akce

Lausanne, Švýcarsko

Datum konání akce

5. 9. 2021

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000711902100004