論文の概要: Urban land-use analysis using proximate sensing imagery: a survey
- arxiv url: http://arxiv.org/abs/2101.04827v2
- Date: Sat, 20 Mar 2021 04:24:43 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-30 07:54:00.111011
- Title: Urban land-use analysis using proximate sensing imagery: a survey
- Title（参考訳）: 近接センシング画像を用いた都市土地利用分析:調査
- Authors: Zhinan Qiao, Xiaohui Yuan
- Abstract要約: 近接センシング画像を活用した研究は、都市土地利用分析におけるローカルデータの必要性に対処する大きな可能性を実証している。
本稿では,近位センシングから土地利用分析までの最新手法と公開データセットを概観し,要約する。
- 参考スコア（独自算出の注目度）: 3.79474411753363
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Urban regions are complicated functional systems that are closely associated
with and reshaped by human activities. The propagation of online geographic
information-sharing platforms and mobile devices equipped with Global
Positioning System (GPS) greatly proliferates proximate sensing images taken
near or on the ground at a close distance to urban targets. Studies leveraging
proximate sensing imagery have demonstrated great potential to address the need
for local data in urban land-use analysis. This paper reviews and summarizes
the state-of-the-art methods and publicly available datasets from proximate
sensing to support land-use analysis. We identify several research problems in
the perspective of examples to support training of models and means of
integrating diverse data sets. Our discussions highlight the challenges,
strategies, and opportunities faced by the existing methods using proximate
sensing imagery in urban land-use studies.
- Abstract（参考訳）: 都市部は、人間の活動と密接に関連し、形を変える複雑な機能システムである。
グローバルポジショニングシステム(gps)を備えたオンライン地理情報共有プラットフォームとモバイルデバイスの伝播は、都市目標と近距離で地上または地上で撮影された近距離センシング画像を大きく広めている。
都市土地利用分析における地域データの必要性に対処する上で, 近接センシング画像を活用した研究が大きな可能性を示している。
本稿では,土地利用分析を支援するために,近接センシングによる最先端の手法と公開データセットをレビューし,要約する。
モデルのトレーニングと多様なデータセットの統合を支援する例として,いくつかの研究課題を明らかにする。
都市の土地利用研究において,近接センシング画像を用いた既存手法が直面する課題,戦略,機会について考察した。
関連論文リスト
- StreetviewLLM: Extracting Geographic Information Using a Chain-of-Thought Multimodal Large Language Model [12.789465279993864]
地理空間予測は災害管理、都市計画、公衆衛生など様々な分野において重要である。
提案するStreetViewLLMは,大規模言語モデルと連鎖推論とマルチモーダルデータソースを統合した新しいフレームワークである。
このモデルは、香港、東京、シンガポール、ロサンゼルス、ニューヨーク、ロンドン、パリを含む7つの世界都市に適用されている。
論文 参考訳（メタデータ） (2024-11-19T05:15:19Z) - Heterogeneous Graph Neural Networks with Post-hoc Explanations for Multi-modal and Explainable Land Use Inference [11.753345219488745]
本稿では、異種グラフニューラルネットワーク(HGN)と説明可能なAI技術を組み合わせた土地利用推定のための説明可能なフレームワークを提案する。
実験により、提案したHGNは6つの土地利用指標すべてに対して、ベースライングラフニューラルネットワークを著しく上回っていることが示された。
これらの分析は,提案したHGNが都市計画や政策立案において,都市利害関係者を適切に支援できることを示した。
論文 参考訳（メタデータ） (2024-06-19T17:39:10Z) - Deep Learning for Slum Mapping in Remote Sensing Images: A Meta-analysis and Review [2.1383489372142503]
何百万人もの人々が、世界中の多くの主要都市で生活状態の悪いスラムや非公式の集落に住んでいる。
リモートセンシングによるスラムのマッピングが顕著な研究領域として浮上している。
ディープ・ラーニング(Deep Learning)は、衛星画像の自動解析によってスラムに関連する複雑な空間パターンを識別できるようにするため、この分野に新たな次元を追加した。
論文 参考訳（メタデータ） (2024-06-12T09:31:52Z) - 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) - A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。
このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
論文 参考訳（メタデータ） (2022-11-04T09:58:57Z) - Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep
Learning [77.34726150561087]
本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。
我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
論文 参考訳（メタデータ） (2022-09-28T18:51:59Z) - Segmenting across places: The need for fair transfer learning with
satellite imagery [24.087993065704527]
最先端のモデルは、都市部に比べて農村部での全体的な精度が良い。
本研究では, 都市部に比べて, 原産地と対象地域とでは, 生衛星画像が相違点が多いことを示す。
論文 参考訳（メタデータ） (2022-04-09T02:14:56Z) - 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) - Urban Sensing based on Mobile Phone Data: Approaches, Applications and
Challenges [67.71975391801257]
モバイルデータ分析における多くの関心は、人間とその行動に関連している。
本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
論文 参考訳（メタデータ） (2020-08-29T15:14:03Z) - A Survey on Deep Learning for Localization and Mapping: Towards the Age
of Spatial Machine Intelligence [48.67755344239951]
包括的調査を行い、深層学習を用いた局所化とマッピングのための新しい分類法を提案する。
オードメトリ推定、マッピング、グローバルローカライゼーション、同時ローカライゼーション、マッピングなど、幅広いトピックがカバーされている。
この研究がロボティクス、コンピュータビジョン、機械学習コミュニティの新たな成果を結び付けることを願っている。
論文 参考訳（メタデータ） (2020-06-22T19:01:21Z) - Predicting Livelihood Indicators from Community-Generated Street-Level
Imagery [70.5081240396352]
本稿では,クラウドソースによるストリートレベルの画像から重要な生活指標を予測するための,安価でスケーラブルで解釈可能なアプローチを提案する。
全国的に代表される世帯調査で収集した地上データと比較することにより,貧困,人口,健康の指標を正確に予測する上でのアプローチの有効性を実証した。
論文 参考訳（メタデータ） (2020-06-15T18:12:12Z)
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。