論文の概要: Using satellite imagery to understand and promote sustainable development

• arxiv url: http://arxiv.org/abs/2010.06988v1
• Date: Wed, 23 Sep 2020 05:20:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-15 15:18:10.013288
• Title: Using satellite imagery to understand and promote sustainable development
• Title（参考訳）: 衛星画像による持続可能な発展の理解と促進
• Authors: Marshall Burke, Anne Driscoll, David B. Lobell, Stefano Ermon
• Abstract要約: 持続可能な開発成果を理解するために衛星画像を用いた成長する文献を合成する。 我々は、重要な人間関係の結果と、衛星画像の量の増大と解像度について、地上データの質を定量化する。 不足およびノイズの多いトレーニングデータの観点から、モデル構築に対する最近の機械学習アプローチをレビューする。
• 参考スコア（独自算出の注目度）: 87.72561825617062
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate and comprehensive measurements of a range of sustainable development outcomes are fundamental inputs into both research and policy. We synthesize the growing literature that uses satellite imagery to understand these outcomes, with a focus on approaches that combine imagery with machine learning. We quantify the paucity of ground data on key human-related outcomes and the growing abundance and resolution (spatial, temporal, and spectral) of satellite imagery. We then review recent machine learning approaches to model-building in the context of scarce and noisy training data, highlighting how this noise often leads to incorrect assessment of models' predictive performance. We quantify recent model performance across multiple sustainable development domains, discuss research and policy applications, explore constraints to future progress, and highlight key research directions for the field.
• Abstract（参考訳）: 持続可能な開発成果の正確かつ包括的な測定は、研究と政策の両方に基本的なインプットである。 我々は,これらの結果を理解するために衛星画像を用いる文献を合成し,画像と機械学習を組み合わせたアプローチに焦点をあてる。 本研究では,重要な人間関係の結果と衛星画像の量の増大と分解能(空間,時間,スペクトル)を定量化する。 次に, モデル構築における最近の機械学習手法について, 希少な学習データとノイズ学習データを用いて検討し, このノイズがモデル予測性能の誤評価につながることを強調する。 複数の持続可能な開発領域にわたる最近のモデル性能の定量化、研究と政策の応用の議論、今後の進歩への制約の探求、この分野の重要研究方向性の強調を行う。

関連論文リスト

• AI Foundation Models in Remote Sensing: A Survey [6.036426846159163]
  本稿では,リモートセンシング領域における基礎モデルの包括的調査を行う。 コンピュータビジョンおよびドメイン固有タスクにおけるそれらの応用に基づいて、これらのモデルを分類する。 これらの基盤モデルによって達成された、新しいトレンドと大きな進歩を強調します。
  論文  参考訳（メタデータ） (2024-08-06T22:39:34Z)
• Explainability of Sub-Field Level Crop Yield Prediction using Remote Sensing [6.65506917941232]
  本研究では,アルゼンチン,ウルグアイ,ドイツにおけるダイズ,小麦,ラピセド作物の収量予測の課題に焦点をあてる。 我々の目標は、衛星画像の大規模なデータセット、追加のデータモダリティ、収量マップを用いて、これらの作物の予測モデルを開発し、説明することである。 モデル説明可能性について,入力特徴量の定量化,重要な成長段階の同定,フィールドレベルでの収量変動の解析,精度の低い予測を行う。
  論文  参考訳（メタデータ） (2024-07-11T08:23:46Z)
• Spatio-Temporal Graphical Counterfactuals: An Overview [11.616701619068804]
  反現実は、人工知能がデータから知識を学習する上で、重要かつ困難なトピックである。 本研究の目的は,思考を比較し,異なる対実モデル,理論,アプローチについて議論することである。
  論文  参考訳（メタデータ） (2024-07-02T01:34:13Z)
• Deep Learning-Based Object Pose Estimation: A Comprehensive Survey [73.74933379151419]
  ディープラーニングに基づくオブジェクトポーズ推定の最近の進歩について論じる。 また、複数の入力データモダリティ、出力ポーズの自由度、オブジェクト特性、下流タスクについても調査した。
  論文  参考訳（メタデータ） (2024-05-13T14:44:22Z)
• Heterogeneous Contrastive Learning for Foundation Models and Beyond [73.74745053250619]
  ビッグデータと人工知能の時代において、新しいパラダイムは、大規模な異種データをモデル化するために、対照的な自己教師付き学習を活用することである。 本調査は基礎モデルの異種コントラスト学習の現況を批判的に評価する。
  論文  参考訳（メタデータ） (2024-03-30T02:55:49Z)
• Few Shot Semantic Segmentation: a review of methodologies, benchmarks, and open challenges [5.0243930429558885]
  Few-Shot Semanticはコンピュータビジョンの新しいタスクであり、いくつかの例で新しいセマンティッククラスをセグメンテーションできるモデルを設計することを目的としている。 本稿では、Few-Shot Semanticの総合的な調査からなり、その進化を辿り、様々なモデル設計を探求する。
  論文  参考訳（メタデータ） (2023-04-12T13:07:37Z)
• Causal Reasoning Meets Visual Representation Learning: A Prospective Study [117.08431221482638]
  解釈可能性の欠如、堅牢性、分布外一般化が、既存の視覚モデルの課題となっている。 人間レベルのエージェントの強い推論能力にインスパイアされた近年では、因果推論パラダイムの開発に多大な努力が注がれている。 本稿では,この新興分野を包括的に概観し,注目し,議論を奨励し,新たな因果推論手法の開発の急激さを先導することを目的とする。
  論文  参考訳（メタデータ） (2022-04-26T02:22:28Z)
• SustainBench: Benchmarks for Monitoring the Sustainable Development Goals with Machine Learning [63.192289553021816]
  国連持続可能な開発目標の進展は、主要な環境・社会経済指標のデータ不足によって妨げられている。 近年の機械学習の進歩により、衛星やソーシャルメディアなど、豊富な、頻繁に更新され、グローバルに利用可能なデータを活用することが可能になった。 本稿では,7個のSDGにまたがる15個のベンチマークタスクの集合であるSustainBenchを紹介する。
  論文  参考訳（メタデータ） (2021-11-08T18:59:04Z)
• Adversarial Text-to-Image Synthesis: A Review [7.593633267653624]
  我々は,5年前に始まった対人テキスト・画像合成モデルの状況,その発展を文脈的に把握し,その監督レベルに基づく分類法を提案する。 我々は,より優れたデータセットや評価指標の開発から,アーキテクチャ設計やモデルトレーニングの改善の可能性に至るまで,テキスト・ツー・イメージ合成モデルの評価,欠点の強調,新たな研究領域の特定に向けた現在の戦略を批判的に検討する。 本総説は, テキストと画像の合成に焦点をあてた, 生成的敵ネットワークに関する過去の調査を補完するものである。
  論文  参考訳（メタデータ） (2021-01-25T09:58:36Z)
• Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
  本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。 本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。 我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
  論文  参考訳（メタデータ） (2020-07-07T17:19:56Z)

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。