Filling gaps of cartographic polylines by using an encoder-decoder model

Geospatial studies must address spatial data quality, especially in data-driven research. An essential concern is how to fill spatial data gaps (missing data), such as for cartographic polylines. Recent advances in deep learning have shown promise in filling holes in images with semantically plausib...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	International journal of geographical information science : IJGIS Jg. 36; H. 11; S. 2296 - 2321
Hauptverfasser:	Yu, Wenhao, Chen, Yujie
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	Abingdon Taylor & Francis 02.11.2022 Taylor & Francis LLC
Schlagworte:	cartographic polylines Cartography Coders Deep learning encoder-decoder model Filling gap Missing data Spatial data spatial data quality Vector processing (computers)
ISSN:	1365-8816, 1362-3087, 1365-8824
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!