論文の概要: Classification of Urban Morphology with Deep Learning: Application on Urban Vitality

• arxiv url: http://arxiv.org/abs/2105.09908v1
• Date: Fri, 7 May 2021 08:53:31 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-21 19:17:27.807102
• Title: Classification of Urban Morphology with Deep Learning: Application on Urban Vitality
• Title（参考訳）: 深層学習による都市形態の分類:都市活力への応用
• Authors: Wangyang Chen, Abraham Noah Wu, Filip Biljecki
• Abstract要約: 道路網を視覚的に4つのクラスに分類する深層学習手法を提案する。 世界中の9つの都市が研究エリアとして選ばれ、その道路網はOpenStreetMapから取得されている。 都市内の潜在サブグループは、各道路ネットワークカテゴリのパーセンテージのクラスタリングを通して発見される。 木に基づく回帰モデルが初めて指定されたのは、形態指標と活力指標の関係を確立するためである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: There is a prevailing trend to study urban morphology quantitatively thanks to the growing accessibility to various forms of spatial big data, increasing computing power, and use cases benefiting from such information. The methods developed up to now measure urban morphology with numerical indices describing density, proportion, and mixture, but they do not directly represent morphological features from human's visual and intuitive perspective. We take the first step to bridge the gap by proposing a deep learning-based technique to automatically classify road networks into four classes on a visual basis. The method is implemented by generating an image of the street network (Colored Road Hierarchy Diagram), which we introduce in this paper, and classifying it using a deep convolutional neural network (ResNet-34). The model achieves an overall classification accuracy of 0.875. Nine cities around the world are selected as the study areas and their road networks are acquired from OpenStreetMap. Latent subgroups among the cities are uncovered through a clustering on the percentage of each road network category. In the subsequent part of the paper, we focus on the usability of such classification: the effectiveness of our human perception augmentation is examined by a case study of urban vitality prediction. An advanced tree-based regression model is for the first time designated to establish the relationship between morphological indices and vitality indicators. A positive effect of human perception augmentation is detected in the comparative experiment of baseline model and augmented model. This work expands the toolkit of quantitative urban morphology study with new techniques, supporting further studies in the future.
• Abstract（参考訳）: 空間的ビッグデータの様々な形態へのアクセシビリティの増大、計算能力の向上、こうした情報から恩恵を受けるユースケースなどにより、都市形態を定量的に研究する傾向が一般的である。 この手法は、密度、比率、混合物を数値で表した都市形態を計測するために開発されたが、人間の視覚的、直感的な視点から形態的特徴を直接表現するものではない。 道路網を視覚的に4クラスに自動分類する深層学習に基づく手法を提案することで,このギャップを埋める第一歩を踏み出した。 本稿では,本論文で紹介する道路網(カラー道路階層図)の画像を生成し,深層畳み込みニューラルネットワーク(resnet-34)を用いて分類する。 モデル全体の分類精度は0.875である。 世界中の9つの都市が研究エリアとして選ばれ、その道路網はopenstreetmapから取得される。 都市内の潜在サブグループは、各道路ネットワークカテゴリの比率のクラスタリングを通して発見される。 本稿の次節では,このような分類のユーザビリティに着目し,都市活力予測を事例として,人間の知覚増強の効果について検討する。 高度な木に基づく回帰モデルは、形態指標と活力指標の関係を確立するために初めて指定された。 ベースラインモデルと拡張モデルの比較実験において,人間の知覚増強の効果が検出された。 本研究は, 定量的都市形態研究のツールキットを新しい手法で拡張し, 今後の研究を支援する。

関連論文リスト

• Ensembling convolutional neural networks for human skin segmentation [2.8391355909797644]
  本稿では、異なる特徴に着目したデータセットを用いて畳み込みネットワークを訓練し、個々の結果を効果的に組み合わせたアンサンブルを作成することを提案する。 本研究は,セマンティックセグメンテーションシステムの性能を向上する,アンサンブルに基づく新しい手法の開発に役立てることを期待している。
  論文  参考訳（メタデータ） (2024-07-27T17:55:28Z)
• Data Augmentation in Human-Centric Vision [54.97327269866757]
  本研究では,人間中心型視覚タスクにおけるデータ拡張手法の包括的分析を行う。 それは、人物のReID、人間のパーシング、人間のポーズ推定、歩行者検出など、幅広い研究領域に展開している。 我々の研究は、データ拡張手法をデータ生成とデータ摂動の2つの主なタイプに分類する。
  論文  参考訳（メタデータ） (2024-03-13T16:05:18Z)
• Humans Social Relationship Classification during Accompaniment [6.071490877668864]
  本論文は,2人の側方で歩いている2人の社会的関係を,学童・夫婦・家族・友情の4つのカテゴリに分類する深層学習アーキテクチャの設計について述べる。 モデルをニューラルネットワークやリカレントニューラルネットワークを用いて開発し,都市環境下で伴奏処理を行う人間から得られる読みのデータベースを用いて,その分類と評価を行う。
  論文  参考訳（メタデータ） (2022-07-06T18:07:36Z)
• Self-Supervised Graph Representation Learning for Neuronal Morphologies [75.38832711445421]
  ラベルのないデータセットから3次元神経形態の低次元表現を学習するためのデータ駆動型アプローチであるGraphDINOを提案する。 2つの異なる種と複数の脳領域において、この方法では、専門家による手動の特徴に基づく分類と同程度に形態学的細胞型クラスタリングが得られることを示す。 提案手法は,大規模データセットにおける新しい形態的特徴や細胞型の発見を可能にする可能性がある。
  論文  参考訳（メタデータ） (2021-12-23T12:17:47Z)
• A Comprehensive Survey on Community Detection with Deep Learning [93.40332347374712]
  コミュニティは、ネットワーク内の他のコミュニティと異なるメンバーの特徴と接続を明らかにする。 この調査は、最先端の手法の様々なカテゴリをカバーする新しい分類法を考案し、提案する。 ディープニューラルネットワーク(Deep Neural Network)は、畳み込みネットワーク(convolutional network)、グラフアテンションネットワーク( graph attention network)、生成的敵ネットワーク(generative adversarial network)、オートエンコーダ(autoencoder)に分けられる。
  論文  参考訳（メタデータ） (2021-05-26T14:37:07Z)
• 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)
• Neural networks for semantic segmentation of historical city maps: Cross-cultural performance and the impact of figurative diversity [0.0]
  畳み込みニューラルネットワークに基づく歴史都市地図のセマンティックセグメンテーションモデルを提案する。 これらのネットワークは、非常に大きな比喩的多様性のマップデータを効率よく意味的にセグメント化できることを示す。
  論文  参考訳（メタデータ） (2021-01-29T09:08:12Z)
• Towards Deeper Graph Neural Networks [63.46470695525957]
  グラフ畳み込みは近傍の集約を行い、最も重要なグラフ操作の1つである。 いくつかの最近の研究で、この性能劣化は過度に滑らかな問題に起因している。 本研究では,大きな受容領域からの情報を適応的に組み込むディープ適応グラフニューラルネットワーク(DAGNN)を提案する。
  論文  参考訳（メタデータ） (2020-07-18T01:11:14Z)
• Deep Learning for Community Detection: Progress, Challenges and Opportunities [79.26787486888549]
  この記事では、ディープニューラルネットワークにおける様々なフレームワーク、モデル、アルゴリズムの貢献について要約する。 この記事では、ディープニューラルネットワークにおける様々なフレームワーク、モデル、アルゴリズムの貢献について要約する。
  論文  参考訳（メタデータ） (2020-05-17T11:22:11Z)

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。