OpenStreetMap as Free Training Labels for Satellite Parking Lot Segmentation
Вантажиться...
Дата
2026
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Semantic segmentation of parking lots from satellite imagery typically requires manually annotated training data. We test whether community-mapped OpenStreetMap (OSM) polygons can replace manual labels as free training data. Using 3,019 parking lots we train a U-Net on OSM-derived masks and reach a validation IoU of 0.7886 without any boundary correction. The result shows that raw OSM parking polygons, even with their geometric simplification and noise, are accurate enough to supervise a working segmentation model.
Опис
Ключові слова
semantic segmentation, CNN, satellite imagery, OpenStreetMap, parking lot detection, U-Net
Бібліографічний опис
Honcharuk, O. P. OpenStreetMap as Free Training Labels for Satellite Parking Lot Segmentation / O. P. Honcharuk, N. I. Nedashkovskaya // Теоретичні і прикладні проблеми фізики, математики та інформатики : матеріали XXIV Всеукраїнської науково-практичної конференції студентів, аспірантів та молодих вчених, [Київ], 13–16 травня 2026 р. / КПІ ім. Ігоря Сікорського. – Київ, 2026. – С. 311-314.