論文の概要: Measuring Human and Economic Activity from Satellite Imagery to Support City-Scale Decision-Making during COVID-19 Pandemic

• arxiv url: http://arxiv.org/abs/2004.07438v4
• Date: Thu, 12 Nov 2020 14:45:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-12 21:37:20.821251
• Title: Measuring Human and Economic Activity from Satellite Imagery to Support City-Scale Decision-Making during COVID-19 Pandemic
• Title（参考訳）: 人工衛星画像からの人的・経済的活動の測定と新型コロナウイルスパンデミック時の都市規模意思決定支援
• Authors: Rodrigo Minetto, Mauricio Pamplona Segundo, Gilbert Rotich, Sudeep Sarkar
• Abstract要約: 我々は、戦略的位置サンプリングと軽量畳み込みニューラルネットワーク(CNN)のアンサンブルを組み合わせたディープラーニングアプローチを使用している。 このCNNアンサンブルフレームワークは、アメリカ国防総省xViewチャレンジで3位にランクインした。 新型コロナウイルス(COVID-19)感染前後のさまざまなサイトの実例から,測定可能な指標を示す結果が得られた。
• 参考スコア（独自算出の注目度）: 6.623965960680924
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The COVID-19 outbreak forced governments worldwide to impose lockdowns and quarantines to prevent virus transmission. As a consequence, there are disruptions in human and economic activities all over the globe. The recovery process is also expected to be rough. Economic activities impact social behaviors, which leave signatures in satellite images that can be automatically detected and classified. Satellite imagery can support the decision-making of analysts and policymakers by providing a different kind of visibility into the unfolding economic changes. In this work, we use a deep learning approach that combines strategic location sampling and an ensemble of lightweight convolutional neural networks (CNNs) to recognize specific elements in satellite images that could be used to compute economic indicators based on it, automatically. This CNN ensemble framework ranked third place in the US Department of Defense xView challenge, the most advanced benchmark for object detection in satellite images. We show the potential of our framework for temporal analysis using the US IARPA Function Map of the World (fMoW) dataset. We also show results on real examples of different sites before and after the COVID-19 outbreak to illustrate different measurable indicators. Our code and annotated high-resolution aerial scenes before and after the outbreak are available on GitHub (https://github.com/maups/covid19-satellite-analysis).
• Abstract（参考訳）: 新型コロナウイルス(covid-19)の感染拡大により、世界中の政府はウイルス感染を防ぐためにロックダウンや隔離を課せざるを得なくなった。 その結果、世界各国で人的・経済的活動の混乱が生じている。 回復プロセスも荒削りになると予想されている。 経済活動は社会的行動に影響を与え、自動的に検出・分類できる衛星画像に署名を残す。 衛星画像は、展開する経済変化に対する異なる見方を提供することで、アナリストや政策立案者の意思決定を支援することができる。 本研究では,戦略的な位置サンプリングと軽量畳み込みニューラルネットワーク(cnns)のアンサンブルを組み合わせた深層学習手法を用いて,衛星画像中の特定の要素を認識し,それに基づいて経済指標を自動的に計算する。 このCNNアンサンブルフレームワークは、アメリカ国防総省xViewチャレンジで3位にランクインした。 IARPA関数マップ・オブ・ザ・ワールド(fMoW)データセットを用いた時間解析のためのフレームワークの可能性を示す。 また、新型コロナウイルスの感染拡大前後のさまざまなサイトの実例で、さまざまな測定可能な指標を示す結果を示す。 私たちのコードと、アウトブレイク前後の高解像度空中シーンはGitHubで公開されている(https://github.com/maups/covid19-satellite-analysis)。

関連論文リスト

• Towards Efficient Disaster Response via Cost-effective Unbiased Class Rate Estimation through Neyman Allocation Stratified Sampling Active Learning [11.697034536189094]
  本稿では,二分分類のためのランダムサンプリング木を構築する革新的なアルゴリズムを提案する。 その結果,本手法は受動的および従来の能動的学習手法を超越していることが判明した。 従来のアクティブな学習戦略における「サンプルバイアス」の課題に効果的に対処する。
  論文  参考訳（メタデータ） (2024-05-28T01:34:35Z)
• The State of Aerial Surveillance: A Survey [62.198765910573556]
  本稿では、コンピュータビジョンとパターン認識の観点から、人間中心の空中監視タスクの概要を概観する。 主な対象は、単体または複数の被験者が検出され、特定され、追跡され、再同定され、その振る舞いが分析される人間である。
  論文  参考訳（メタデータ） (2022-01-09T20:13:27Z)
• IS-COUNT: Large-scale Object Counting from Satellite Images with Covariate-based Importance Sampling [90.97859312029615]
  本研究では,大規模地形におけるオブジェクト数統計をサンプリングによって推定する手法を提案する。 提案手法は,米国とアフリカ,ケニアの自動車,バングラデシュのレンガキルン,米国のスイミングプールの建物数の推定において,高い性能を発揮することを示す。
  論文  参考訳（メタデータ） (2021-12-16T18:59:29Z)
• Country-wide Retrieval of Forest Structure From Optical and SAR Satellite Imagery With Bayesian Deep Learning [74.94436509364554]
  本研究では,10mの解像度で森林構造変数を高密度に推定するベイズ深層学習手法を提案する。 本手法は,Sentinel-2光画像とSentinel-1合成開口レーダ画像を5種類の森林構造変数のマップに変換する。 ノルウェーを横断する41の空中レーザー走査ミッションの基準データに基づいて、我々のモデルを訓練し、テストする。
  論文  参考訳（メタデータ） (2021-11-25T16:21:28Z)
• Measuring economic activity from space: a case study using flying airplanes and COVID-19 [15.003277734711583]
  本研究では、新型コロナウイルス(COVID-19)の感染が深刻な移動制限を課し、世界的な混乱を引き起こした事例を報告する。 ヨーロッパで最も忙しい30の空港周辺を飛行中の航空機で検知し、ロックダウンの効果とロックダウン後の回復を定量化し分析する。 このプラットフォームは、衛星データと人工知能を組み合わせて、重要な活動の進歩的で安全な再開を促進する。
  論文  参考訳（メタデータ） (2021-04-21T04:01:25Z)
• Post-Hurricane Damage Assessment Using Satellite Imagery and Geolocation Features [0.2538209532048866]
  本研究では,被災地の衛星画像と位置情報を活用し,災害後の被害建物を識別する混合データ手法を提案する。 この手法は、2017年のヒューストン大都市圏におけるハリケーン・ハーベイのケーススタディに基づいて、画像のみを用いて同様の作業を行うことで大幅に改善した。 本研究では,画像特徴に付加的な情報を提供するために位置情報機能の創造的な選択を行ったが,ドメイン知識や災害の種類に応じて,イベントの物理的挙動をモデル化するための他の機能を含めることはユーザ次第である。
  論文  参考訳（メタデータ） (2020-12-15T21:30:19Z)
• Learning from Multimodal and Multitemporal Earth Observation Data for Building Damage Mapping [17.324397643429638]
  我々は、損傷マッピングを構築するためのグローバルなマルチセンサとマルチテンポラルデータセットを開発した。 グローバルデータセットには、高解像度の光学画像と高解像度のマルチバンドSARデータが含まれている。 我々は、深層畳み込みニューラルネットワークアルゴリズムに基づいて、損傷建物の意味的セグメンテーションのための損傷マッピングフレームワークを定義した。
  論文  参考訳（メタデータ） (2020-09-14T05:04:19Z)
• Measurement-driven Security Analysis of Imperceptible Impersonation Attacks [54.727945432381716]
  本稿では,ディープニューラルネットワークを用いた顔認識システムの実用性について検討する。 皮膚の色,性別,年齢などの要因が,特定の標的に対する攻撃を行う能力に影響を及ぼすことを示す。 また,攻撃者の顔のさまざまなポーズや視点に対して堅牢なユニバーサルアタックを構築する可能性についても検討した。
  論文  参考訳（メタデータ） (2020-08-26T19:27:27Z)
• Improving Emergency Response during Hurricane Season using Computer Vision [0.06882042556551608]
  我々は,コンピュータビジョン(CV),内陸洪水予知,被害評価,データ可視化といった最新の技術を組み込んだ危機対応・管理のためのフレームワークを開発した。 我々のコンピュータビジョンモデルは、自然災害の前後で、宇宙と空中の画像を分析して、関連する特徴を検出する。 画像から水、道路、建物、植生などの特徴を識別するモデル群を設計した。
  論文  参考訳（メタデータ） (2020-08-17T15:42:02Z)
• RescueNet: Joint Building Segmentation and Damage Assessment from Satellite Imagery [83.49145695899388]
  RescueNetは、建物を同時に分割し、個々の建物に対する損傷レベルを評価し、エンドツーエンドでトレーニングできる統一モデルである。 RescueNetは大規模で多様なxBDデータセットでテストされており、従来の手法よりもはるかに優れたセグメンテーションと損傷分類性能を実現している。
  論文  参考訳（メタデータ） (2020-04-15T19:52:09Z)
• Generating Interpretable Poverty Maps using Object Detection in Satellite Images [80.35540308137043]
  衛星画像に物体検出装置を適用することにより、局所レベルでの貧困を正確に予測するための解釈可能な計算手法を実証する。 対象物の重み付けを特徴として、ウガンダの村レベルの貧困を予測する0.539 Pearson's r2を達成し、既存の(解釈不可能でない)ベンチマークよりも31%改善した。
  論文  参考訳（メタデータ） (2020-02-05T02:50:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。