論文の概要: Towards Sustainable Census Independent Population Estimation in Mozambique

• arxiv url: http://arxiv.org/abs/2104.12696v1
• Date: Mon, 26 Apr 2021 16:37:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-27 18:04:35.693171
• Title: Towards Sustainable Census Independent Population Estimation in Mozambique
• Title（参考訳）: モザンビークにおける持続的国勢調査自立人口推定に向けて
• Authors: Isaac Neal, Sohan Seth, Gary Watmough, Mamadou Saliou Diallo
• Abstract要約: モザンビークの2つのパイロット地区における人口推計には, 国勢調査非依存の手法を用いる。 サステナビリティを促進するために、公開データセットを使用して人口を推定する可能性を評価します。 このアプローチで推定された足跡面積を使用すると、一般の機能のみに対して人口予測が改善するのを観察した。
• 参考スコア（独自算出の注目度）: 0.5735035463793007
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reliable and frequent population estimation is key for making policies around vaccination and planning infrastructure delivery. Since censuses lack the spatio-temporal resolution required for these tasks, census-independent approaches, using remote sensing and microcensus data, have become popular. We estimate intercensal population count in two pilot districts in Mozambique. To encourage sustainability, we assess the feasibility of using publicly available datasets to estimate population. We also explore transfer learning with existing annotated datasets for predicting building footprints, and training with additional `dot' annotations from regions of interest to enhance these estimations. We observe that population predictions improve when using footprint area estimated with this approach versus only publicly available features.
• Abstract（参考訳）: 予防接種とインフラ提供計画に関する政策を立案する上で、信頼度が高く頻繁な人口推定が鍵となる。 これらの課題に必要となる時空間分解能が欠如しているため、リモートセンシングとマイクロセンサスデータを用いた国勢調査に依存しないアプローチが普及している。 モザンビークの2つのパイロット地区におけるインターセンサル人口を推定する。 持続可能性を高めるために,公開データセットを用いて人口を推定する可能性を評価する。 また、既存のアノテーション付きデータセットによる転送学習によるビルのフットプリント予測と、これらの推定を強化するために興味のある領域から追加のdotアノテーションによるトレーニングについても検討した。 このアプローチで推定された足跡面積を使用すると、一般の機能のみに対して人口予測が改善するのを観察した。

関連論文リスト

• Beyond Normal: On the Evaluation of Mutual Information Estimators [52.85079110699378]
  そこで本研究では,既知の地道的相互情報を用いて,多種多様な分布群を構築する方法について述べる。 本稿では,問題の難易度に適応した適切な推定器の選択方法について,実践者のためのガイドラインを提供する。
  論文  参考訳（メタデータ） (2023-06-19T17:26:34Z)
• Mapping Urban Population Growth from Sentinel-2 MSI and Census Data Using Deep Learning: A Case Study in Kigali, Rwanda [0.19116784879310023]
  我々は,時間的集団動態を短時間で解き放つ深層学習変化検出技術の評価を行った。 Sentinel-2 MSIデータを用いた人口マッピングタスクで事前訓練されたResNetエンコーダを,シームズネットワークに組み込んだ。 このネットワークは人口変化を正確に予測するために国勢調査レベルで訓練された。
  論文  参考訳（メタデータ） (2023-03-15T10:39:31Z)
• Fine-grained Population Mapping from Coarse Census Counts and Open Geodata [19.460864948909936]
  詳細な人口地図は、都市計画、環境モニタリング、公衆衛生、人道活動など、いくつかの領域で必要とされる。 POMELOは、粗い国勢調査数と開地データを用いて、100mの地中サンプリング距離を持つ詳細な人口分布図を推定する深層学習モデルである。 サハラ以南のアフリカにおけるいくつかの国に対する一連の実験において、POMELOareで作成した地図は、最も詳細な参照数とよく一致している。
  論文  参考訳（メタデータ） (2022-11-08T06:43:52Z)
• So2Sat POP -- A Curated Benchmark Data Set for Population Estimation from Space on a Continental Scale [11.38584315242023]
  欧州98都市における人口推定のための包括的データセットを提供する。 データセットは、デジタル標高モデル、地域気候帯、土地利用率、夜間光とマルチスペクトルセンチネル2画像の組み合わせ、およびOpen Street Mapイニシアチブのデータから構成される。
  論文  参考訳（メタデータ） (2022-04-07T07:30:43Z)
• 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)
• Approximate Bayesian Computation for an Explicit-Duration Hidden Markov Model of COVID-19 Hospital Trajectories [55.786207368853084]
  新型コロナウイルス(COVID-19)のパンデミックの中、病院の資源をモデル化する問題に取り組んでいます。 幅広い適用性のために、関心のある領域の患者レベルデータが利用できない、一般的なが困難なシナリオに注目します。 本稿では,ACED-HMM(ACED-HMM)と呼ばれる集合数正規化隠れマルコフモデルを提案する。
  論文  参考訳（メタデータ） (2021-04-28T15:32:42Z)
• Uncertainty Estimation and Sample Selection for Crowd Counting [87.29137075538213]
  予測された密度マップに関連する不確実性値とともに,群衆密度マップを予測できる画像に基づく群集カウント手法を提案する。 既存のクラウドカウント手法に比べて,提案手法の重要な利点は,予測の不確かさを定量化できることである。 サンプル選択戦略は、ソースドメイン上でトレーニングされたカウントネットワークをターゲットドメインに適応させるために必要なラベル付きデータの量を劇的に削減することを示す。
  論文  参考訳（メタデータ） (2020-09-30T03:40:07Z)
• 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)
• Magnify Your Population: Statistical Downscaling to Augment the Spatial Resolution of Socioeconomic Census Data [48.7576911714538]
  重要社会経済的属性の詳細な推定を導出する新しい統計的ダウンスケーリング手法を提案する。 選択された社会経済変数ごとに、ランダムフォレストモデルが元の国勢調査単位に基づいて訓練され、その後、微細なグリッド化された予測を生成するために使用される。 本研究では,この手法を米国の国勢調査データに適用し,ブロック群レベルで選択された社会経済変数を,300の空間分解能のグリッドにダウンスケールする。
  論文  参考訳（メタデータ） (2020-06-23T16:52:18Z)
• CNN-based Density Estimation and Crowd Counting: A Survey [65.06491415951193]
  本稿では,主にCNNに基づく密度マップ推定法において,群集数モデルについて包括的に検討する。 評価指標から, 観客数データセットで上位3人のパフォーマーを選択した。 我々は、今後のクラウドカウントの展開について、合理的な推測と予測を行うことを期待する。
  論文  参考訳（メタデータ） (2020-03-28T13:17:30Z)

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。