論文の概要: Developing High Quality Training Samples for Deep Learning Based Local Climate Zone Classification in Korea

• arxiv url: http://arxiv.org/abs/2011.01436v2
• Date: Thu, 10 Dec 2020 09:20:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-30 04:34:45.133643
• Title: Developing High Quality Training Samples for Deep Learning Based Local Climate Zone Classification in Korea
• Title（参考訳）: 韓国における深層学習型地域気候区分のための高品質トレーニングサンプルの開発
• Authors: Minho Kim, Doyoung Jeong, Hyoungwoo Choi, Yongil Kim
• Abstract要約: 国連の計画によると、2050年までに3人に2人が都市部に住んでいる。 一般的な都市フットプリントデータは、高解像度の都市範囲を提供するが、分布、パターン、特徴に関する必須情報はない。 本研究では,韓国の主要都市をマルチスケール畳み込みニューラルネットワークを用いて地図化するためのローカル気候ゾーン(LCZ)データを開発した。
• 参考スコア（独自算出の注目度）: 0.5257115841810257
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Two out of three people will be living in urban areas by 2050, as projected by the United Nations, emphasizing the need for sustainable urban development and monitoring. Common urban footprint data provide high-resolution city extents but lack essential information on the distribution, pattern, and characteristics. The Local Climate Zone (LCZ) offers an efficient and standardized framework that can delineate the internal structure and characteristics of urban areas. Global-scale LCZ mapping has been explored, but are limited by low accuracy, variable labeling quality, or domain adaptation challenges. Instead, this study developed a custom LCZ data to map key Korean cities using a multi-scale convolutional neural network. Results demonstrated that using a novel, custom LCZ data with deep learning can generate more accurate LCZ map results compared to conventional community-based LCZ mapping with machine learning as well as transfer learning of the global So2Sat dataset.
• Abstract（参考訳）: 国連が計画している2050年までに3人に2人が都市部に住み、持続可能な都市開発とモニタリングの必要性を強調している。 一般的な都市フットプリントデータは、高解像度の都市範囲を提供するが、分布、パターン、特徴に関する必須情報はない。 地域気候帯(LCZ)は、都市部の内部構造と特徴を記述できる効率的で標準化された枠組みを提供している。 グローバルスケールLCZマッピングが検討されているが、低精度、可変ラベル付け品質、ドメイン適応の課題によって制限されている。 そこで本研究では,マルチスケール畳み込みニューラルネットワークを用いて,韓国の主要都市を地図化するカスタムlczデータを開発した。 その結果、新しいカスタムLCZデータとディープラーニングを用いることで、従来のコミュニティベースのLCZマッピングと機械学習、グローバルなSo2Satデータセットの転送学習と比較して、LCZマップ結果がより正確になることを示した。

関連論文リスト

• Joint Estimation and Prediction of City-wide Delivery Demand: A Large Language Model Empowered Graph-based Learning Approach [40.357070798871675]
  電子商取引と都市化は、都市部における配送業務を著しく強化した。 データ駆動予測手法、特に機械学習技術を利用した手法がこれらの問題に対処するために登場した。 本稿では,この問題をグラフベースのグラフ学習タスクとして定式化する。
  論文  参考訳（メタデータ） (2024-08-30T12:56:17Z)
• Explainable Hierarchical Urban Representation Learning for Commuting Flow Prediction [1.5156879440024378]
  通勤フロー予測は、現実の自治体の業務に欠かせない課題である。 我々は,異なるタイプのODフローを予測するために,意味のある領域埋め込みを生成するヘテロジニアスグラフベースモデルを開発した。 提案モデルでは,一様都市構造の観点から既存モデルよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2024-08-27T03:30:01Z)
• Assessment of Local Climate Zone Products via Simplified Classification Rule with 3D Building Maps [0.0]
  本研究は,グローバルな地域気候帯製品の性能を評価するものである。 米国内の3大都市圏におけるLCZの組立型クラスについて検討した。 我々は,グローバルLCZマップの不確実性に光を当て,最も区別が難しいLCZクラスを特定し,LCZ開発と検証の今後の計画について考察した。
  論文  参考訳（メタデータ） (2023-09-27T19:53:44Z)
• Cross-City Matters: A Multimodal Remote Sensing Benchmark Dataset for Cross-City Semantic Segmentation using High-Resolution Domain Adaptation Networks [82.82866901799565]
  我々は,都市間セマンティックセマンティックセグメンテーションタスクの研究を目的とした,新しいマルチモーダルリモートセンシングベンチマークデータセット(ハイパースペクトル,マルチスペクトル,SARを含む)を構築した。 単一都市に留まらず,多都市環境からAIモデルの一般化能力を促進するため,高解像度なドメイン適応ネットワークであるHighDANを提案する。 高DANは, 並列高分解能融合方式で, 都市景観の空間的トポロジカルな構造を良好に維持することができる。
  論文  参考訳（メタデータ） (2023-09-26T23:55:39Z)
• 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)
• Real-time Outdoor Localization Using Radio Maps: A Deep Learning Approach [59.17191114000146]
  LocUNet: ローカライゼーションタスクのための畳み込み、エンドツーエンドのトレーニングニューラルネットワーク(NN)。 我々は,LocUNetがユーザを最先端の精度でローカライズし,無線マップ推定における不正確性が高いことを示す。
  論文  参考訳（メタデータ） (2021-06-23T17:27:04Z)
• Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
  本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。 我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。 フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
  論文  参考訳（メタデータ） (2021-04-30T12:47:52Z)
• PGL: Prior-Guided Local Self-supervised Learning for 3D Medical Image Segmentation [87.50205728818601]
  本稿では,潜在特徴空間における局所的一貫性を学習するPGL(PresideedGuided Local)自己教師モデルを提案する。 我々のPGLモデルは、局所領域の特異な表現を学習し、したがって構造情報を保持できる。
  論文  参考訳（メタデータ） (2020-11-25T11:03:11Z)
• Multi-task Learning for Human Settlement Extent Regression and Local Climate Zone Classification [13.6334717951406]
  HSE(Human Settlement Extent)とLCZ(Local Climate Zone)の地図は、持続可能な都市開発や都市ヒートアイランド(UHI)の研究に欠かせない情報源である。 リモートセンシング(RS)と深層学習(DL)に基づく分類アプローチは,グローバルマッピングの可能性を秘めている。 ほとんどの取り組みは2つのスキームのうちの1つにのみ焦点を絞っている。 本稿では,HSE回帰とLCZ分類において,マルチタスク学習(MTL)の概念を初めて導入する。
  論文  参考訳（メタデータ） (2020-11-23T14:54:13Z)
• Improving Generative Adversarial Networks with Local Coordinate Coding [150.24880482480455]
  GAN(Generative Adversarial Network)は、事前定義された事前分布から現実的なデータを生成することに成功している。 実際には、意味情報はデータから学んだ潜在的な分布によって表現される。 ローカル座標符号化(LCC)を用いたLCCGANモデルを提案する。
  論文  参考訳（メタデータ） (2020-07-28T09:17:50Z)
• Multi-level Feature Fusion-based CNN for Local Climate Zone Classification from Sentinel-2 Images: Benchmark Results on the So2Sat LCZ42 Dataset [14.588626423336024]
  この研究は、LCZ分類専用の大きなSo2Sat LCZ42ベンチマークデータセットに基づいている。 本稿では,Sen2LCZ-Net-MF を拡張した Sen2LCZ-Net-MF を用いて,CNN で Sentinel-2 画像から LCZ を分類する手法を提案する。 本研究は,LCZ分類と他の都市土地被覆土地利用分類の両分野において,今後のCNNベースのアルゴリズム開発のための重要なベースラインを提供する。
  論文  参考訳（メタデータ） (2020-05-16T13:16:47Z)

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。