Ein konkreter Beitrag zur Katasterpflege
Die Genfer Fallstudie verbindet einen Mask-R-CNN-Detektor mit vorhandenen Luftbildern und Katasterdaten. Das Modell liefert Objektmasken, die in geografische Koordinaten zurückgerechnet und mit dem Register verglichen werden. Die Bereinigung widersprüchlicher Referenzdaten verbesserte den berichteten F1-Wert von ungefähr 82 % auf ungefähr 90 %.
Die fachliche Nachprüfung machte den praktischen Ertrag sichtbar: Von 562 potenziell neuen Objekten waren 223 registrierungspflichtige Schwimmbecken. Weitere 211 waren zwar Becken, unterlagen aber nicht der Registrierung; 128 waren andere Objekte. Damit liefert die automatische Erkennung konkrete Prüfhinweise. Ob ein Fund in den Kataster gehört, bleibt eine fachliche Entscheidung.
Belege [1]
Übertragung auf einen weiteren Kanton
Für den Thurgau wurden Referenzannotationen aus Genf und Neuenburg mit SWISSIMAGE-Luftbildern kombiniert. So ließ sich ein Detektor auf ein neues Kantonsgebiet anwenden, ohne dort zunächst einen vollständigen Trainingsbestand neu zu digitalisieren. Die Auswertung erzeugte GIS-kompatible Objektkonturen und untersuchte den Einfluss der Bildauflösung und der Konfidenzschwellen.
Der Bericht zeigt zugleich, warum ein Register kein fehlerfreier Maßstab ist: Aufnahmezeitpunkt, später gebaute Anlagen und die Unterscheidung zwischen Schwimmbecken und anderen Wasserbecken beeinflussen den Vergleich. Reproduzierbare Verarbeitung und die dokumentierte fachliche Kontrolle sind deshalb ebenso wichtig wie die Erkennungsmetrik.
Belege [2]
Vorgehen im Detail
- Bildbasierte Objekte mit Deep Learning erkennen und Detektionsmasken in GIS-kompatible Konturen umwandeln.
- Modelle und Referenzdaten zwischen Kantonen übertragen und Erkennungen fachlich prüfen.
- Für die Baumdetektion eigene Verfahren zur Verarbeitung und Segmentierung von LiDAR-Punktwolken untersuchen.
Publikationen und Quellen
- Technischer BerichtCerioni & Meyer (2021) · Geneva pool detection
- Technischer BerichtMeyer & Cerioni (2021) · Thurgau pool detection







