論文の概要: Population Mapping in Informal Settlements with High-Resolution Satellite Imagery and Equitable Ground-Truth

• arxiv url: http://arxiv.org/abs/2009.08410v1
• Date: Thu, 17 Sep 2020 16:37:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-17 09:00:56.192651
• Title: Population Mapping in Informal Settlements with High-Resolution Satellite Imagery and Equitable Ground-Truth
• Title（参考訳）: 高分解能衛星画像と等価地勢を用いたインフォーマル集落の人口マッピング
• Authors: Konstantin Klemmer, Godwin Yeboah, Jo\~ao Porto de Albuquerque, Stephen A Jarvis
• Abstract要約: 低所得都市部における密集集落の人口推定のための一般化可能な枠組みを提案する。 我々は,地域コミュニティと連携して収集される等質な地平データを用いている。 本研究では,フレキシブルでカスタマイズ可能な空間分解能を実現するグリッド型人口推定モデルを提案する。
• 参考スコア（独自算出の注目度）: 1.4414055798999759
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a generalizable framework for the population estimation of dense, informal settlements in low-income urban areas--so called 'slums'--using high-resolution satellite imagery. Precise population estimates are a crucial factor for efficient resource allocations by government authorities and NGO's, for instance in medical emergencies. We utilize equitable ground-truth data, which is gathered in collaboration with local communities: Through training and community mapping, the local population contributes their unique domain knowledge, while also maintaining agency over their data. This practice allows us to avoid carrying forward potential biases into the modeling pipeline, which might arise from a less rigorous ground-truthing approach. We contextualize our approach in respect to the ongoing discussion within the machine learning community, aiming to make real-world machine learning applications more inclusive, fair and accountable. Because of the resource intensive ground-truth generation process, our training data is limited. We propose a gridded population estimation model, enabling flexible and customizable spatial resolutions. We test our pipeline on three experimental site in Nigeria, utilizing pre-trained and fine-tune vision networks to overcome data sparsity. Our findings highlight the difficulties of transferring common benchmark models to real-world tasks. We discuss this and propose steps forward.
• Abstract（参考訳）: 本研究では,高分解能衛星画像を用いて,低所得都市における密集した非公式集落の人口推定のための汎用的枠組みを提案する。 正確な人口推計は、例えば医療状況において、政府機関やNGOによる効率的な資源配分にとって重要な要素である。 我々は,地域コミュニティと協調して収集される公平な地平データを利用する。訓練と地域マッピングを通じて,地域住民は独自のドメイン知識を提供しながら,データに関するエージェンシーも維持する。 このプラクティスは、より厳格な接地的アプローチによって生じるかもしれないモデリングパイプラインに潜在的なバイアスを前方へ持ち込むのを避けることができます。 私たちは、機械学習コミュニティ内で進行中の議論に関して、私たちのアプローチをコンテキスト化し、現実世界の機械学習アプリケーションをより包括的で公平で説明責任のあるものにすることを目指しています。 資源集約的な地上生成プロセスのため、トレーニングデータは限られています。 本研究では,フレキシブルかつカスタマイズ可能な空間分解能を実現するグリッド人口推定モデルを提案する。 ナイジェリアの3つの実験現場でパイプラインをテストし、トレーニング済みと微調整の視覚ネットワークを使ってデータの分散を克服した。 本研究は,実世界の課題に共通ベンチマークモデルを移すことの難しさを浮き彫りにした。 我々はこれを議論し、前進を提案します。

関連論文リスト

• General Geospatial Inference with a Population Dynamics Foundation Model [17.696501367579014]
  Population Dynamics Foundation Model (PDFM)は、多様なデータモダリティ間の関係を捉えることを目的としている。 まず、アメリカ合衆国全土の郵便番号と郡のための地理インデックス付きデータセットを構築した。 次に、グラフニューラルネットワークを用いて、このデータと位置間の複雑な関係をモデル化する。 我々は、PDFMと最先端の予測基盤モデルであるTimesFMを組み合わせることで、失業と貧困を予測する。
  論文  参考訳（メタデータ） (2024-11-11T18:32:44Z)
• Learning Where to Look: Self-supervised Viewpoint Selection for Active Localization using Geometrical Information [68.10033984296247]
  本稿では, 位置決めの精度を高めるために, 視点選択の重要性を強調し, アクティブな位置決め領域について検討する。 私たちのコントリビューションは、リアルタイム操作用に設計されたシンプルなアーキテクチャ、自己教師付きデータトレーニング方法、および実世界のロボティクスアプリケーションに適した計画フレームワークにマップを一貫して統合する能力による、データ駆動型アプローチの使用に関するものです。
  論文  参考訳（メタデータ） (2024-07-22T12:32:09Z)
• Granularity at Scale: Estimating Neighborhood Socioeconomic Indicators from High-Resolution Orthographic Imagery and Hybrid Learning [1.8369448205408005]
  オーバーヘッド画像は、コミュニティ情報が不足しているギャップを埋めるのに役立つ。 機械学習とコンピュータビジョンの最近の進歩により、画像データのパターンから素早く特徴を抽出し、検出することが可能になった。 本研究では, 人口密度, 中央値世帯所得, 教育達成率の2つのアプローチ, 教師付き畳み込みニューラルネットワークと半教師付きクラスタリングについて検討する。
  論文  参考訳（メタデータ） (2023-09-28T19:30:26Z)
• Embedding Earth: Self-supervised contrastive pre-training for dense land cover classification [61.44538721707377]
  本研究では,衛星画像の高可用性を活用するための自己監督型コントラスト事前学習法として,エンベディングアースを提案する。 提案手法による事前学習では, 25%の絶対mIoUが得られた。 学習した特徴は、異なる領域間で一般化され、提案した事前学習スキームの可能性を開放する。
  論文  参考訳（メタデータ） (2022-03-11T16:14:14Z)
• Jalisco's multiclass land cover analysis and classification using a novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
  本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。 本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。 組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
  論文  参考訳（メタデータ） (2022-01-26T14:58:51Z)
• Census-Independent Population Estimation using Representation Learning [0.5735035463793007]
  代替データを用いた国勢調査非依存の人口推定手法は、頻繁に信頼性の高い人口推定を局所的に提供することを約束している。 モザンビークにおける近年の表現学習手法について検討し,人口推定への表現の伝達可能性を評価する。 表現学習を使用することで、特徴が自動的に抽出されるため、人間の監督が不要になる。 得られた人口推計をGRID3, Facebook (HRSL) および WorldPop の既存人口製品と比較した。
  論文  参考訳（メタデータ） (2021-10-06T15:13:36Z)
• One-shot Transfer Learning for Population Mapping [10.530184452907902]
  本研究では,都市間における空間的時間的知識の伝達を目的とした,ワンショット・トランスファー学習フレームワークPSRNetを提案する。 4つの都市の実生活データセットの実験は、PSRNetが8つの最先端ベースラインに対して大きな優位性を持っていることを示している。
  論文  参考訳（メタデータ） (2021-08-13T13:19:09Z)
• Seeing poverty from space, how much can it be tuned? [0.0]
  本研究では, 組織的関係のない個人が, 特定の農業生態環境において, 地域貧困水準の予測の改善に寄与できることを実証した。 このアプローチは、衛星画像と「地上真実」データを現場から処理する深層学習による貧困のマッピングに関するいくつかの先駆的な取り組みに基づいている。 このプロジェクトの主な目的は、市民科学者、学生、組織が他の分野の手法を再現できるように、無償で利用可能なリソースを使用することで、コストを可能な限り低く抑えることであった。
  論文  参考訳（メタデータ） (2021-07-30T15:23:54Z)
• Learning Connectivity for Data Distribution in Robot Teams [96.39864514115136]
  グラフニューラルネットワーク(GNN)を用いたアドホックネットワークにおけるデータ分散のためのタスク非依存,分散化,低レイテンシ手法を提案する。 当社のアプローチは、グローバル状態情報に基づいたマルチエージェントアルゴリズムを各ロボットで利用可能にすることで機能させます。 我々は,情報の平均年齢を報酬関数として強化学習を通じて分散gnn通信政策を訓練し,タスク固有の報酬関数と比較してトレーニング安定性が向上することを示す。
  論文  参考訳（メタデータ） (2021-03-08T21:48:55Z)
• Deploying machine learning to assist digital humanitarians: making image annotation in OpenStreetMap more efficient [72.44260113860061]
  本稿では,OpenStreetMapにおけるボランティアの作業を支援し,最適化するためのインタラクティブな手法を提案する。 提案手法は,OSMのボランティアが検証・修正するために必要なデータ量を大幅に削減する。
  論文  参考訳（メタデータ） (2020-09-17T10:05:30Z)
• BREEDS: Benchmarks for Subpopulation Shift [98.90314444545204]
  本研究では,人口変動に対するモデルのロバスト性を評価する手法を開発した。 既存のデータセットの基盤となるクラス構造を利用して、トレーニングとテストの分散を構成するデータサブポピュレーションを制御する。 この手法をImageNetデータセットに適用し、様々な粒度のサブポピュレーションシフトベンチマークスイートを作成する。
  論文  参考訳（メタデータ） (2020-08-11T17:04:47Z)

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。