論文の概要: Mapping Vulnerable Populations with AI
- arxiv url: http://arxiv.org/abs/2107.14123v1
- Date: Thu, 29 Jul 2021 15:52:11 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-30 15:57:16.631783
- Title: Mapping Vulnerable Populations with AI
- Title(参考訳): AIによる脆弱性人口のマッピング
- Authors: Benjamin Kellenberger and John E. Vargas-Mu\~noz and Devis Tuia and
Rodrigo C. Daudt and Konrad Schindler and Thao T-T Whelan and Brenda Ayo and
Ferda Ofli and Muhammad Imran
- Abstract要約: 構築機能は、例えばツイートや地上画像などのソーシャルメディアデータを解析することで検索される。
これらの付加属性を付加したマップの構築により、より正確な人口密度マップを導出することができる。
- 参考スコア(独自算出の注目度): 23.732584273099054
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Humanitarian actions require accurate information to efficiently delegate
support operations. Such information can be maps of building footprints,
building functions, and population densities. While the access to this
information is comparably easy in industrialized countries thanks to reliable
census data and national geo-data infrastructures, this is not the case for
developing countries, where that data is often incomplete or outdated. Building
maps derived from remote sensing images may partially remedy this challenge in
such countries, but are not always accurate due to different landscape
configurations and lack of validation data. Even when they exist, building
footprint layers usually do not reveal more fine-grained building properties,
such as the number of stories or the building's function (e.g., office,
residential, school, etc.). In this project we aim to automate building
footprint and function mapping using heterogeneous data sources. In a first
step, we intend to delineate buildings from satellite data, using deep learning
models for semantic image segmentation. Building functions shall be retrieved
by parsing social media data like for instance tweets, as well as ground-based
imagery, to automatically identify different buildings functions and retrieve
further information such as the number of building stories. Building maps
augmented with those additional attributes make it possible to derive more
accurate population density maps, needed to support the targeted provision of
humanitarian aid.
- Abstract(参考訳): 人道的行動は、支援操作を効率的に委譲するために正確な情報を必要とする。
そのような情報は、建物の足跡、建物の機能、人口密度の地図である。
この情報へのアクセスは、信頼できる国勢調査データと全国の地理データインフラのおかげで、先進国では両立しやすいが、開発途上国では、データが不完全あるいは時代遅れである場合が多い。
リモートセンシング画像から導かれる地図の構築は、こうした国々では部分的にこの課題を解決しているが、ランドスケープの設定や検証データの欠如により必ずしも正確ではない。
建物が存在している場合でも、建物の足跡層は、通常、建物の数や機能(オフィス、住宅、学校など)など、よりきめ細かい建物特性を明らかにしない。
このプロジェクトでは,異種データソースを用いたフットプリントと関数マッピングの自動化を目指す。
まず,衛星データから建物をデライン化し,深層学習モデルを用いてセマンティックイメージのセグメンテーションを行う。
ビルディング機能は,ツイート等のソーシャルメディアデータを解析して,異なるビルディング機能を自動的に識別し,ビルディングストーリー数などの追加情報を取得することにより,検索される。
これらの付加属性を付加したマップの構築により、人道支援の目標設定を支援するために必要な、より正確な人口密度マップの導出が可能になる。
関連論文リスト
- Semi-supervised Learning from Street-View Images and OpenStreetMap for
Automatic Building Height Estimation [59.6553058160943]
本稿では,Mapillary SVIとOpenStreetMapのデータから建物の高さを自動的に推定する半教師付き学習(SSL)手法を提案する。
提案手法は, 平均絶対誤差(MAE)が約2.1mである建物の高さを推定する上で, 明らかな性能向上につながる。
予備結果は,低コストなVGIデータに基づく提案手法のスケールアップに向けた今後の取り組みを期待し,動機づけるものである。
論文 参考訳(メタデータ) (2023-07-05T18:16:30Z) - Building Floorspace in China: A Dataset and Learning Pipeline [0.32228025627337864]
本稿は、中国40大都市における建物の床面積を計測する最初のマイルストーンを提供する。
我々は、メインデータソースとしてSentinel-1と-2の衛星画像を使用する。
データ、アルゴリズム、評価の詳細な説明を提供する。
論文 参考訳(メタデータ) (2023-03-03T21:45:36Z) - Building Coverage Estimation with Low-resolution Remote Sensing Imagery [65.95520230761544]
本稿では,低解像度衛星画像のみを用いた建物被覆量の推定手法を提案する。
本モデルでは, 世界中の開発レベルの異なる地域において, 建築範囲の予測において最大0.968の判定係数を達成している。
論文 参考訳(メタデータ) (2023-01-04T05:19:33Z) - 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) - Robust Self-Tuning Data Association for Geo-Referencing Using Lane
Markings [54.298482823211806]
本稿では,データアソシエーションにおけるあいまいさを解消するための完全なパイプラインを提案する。
その中核は、測定のエントロピーに応じて探索領域に適応する堅牢な自己調整データアソシエーションである。
ドイツ・カールスルーエ市周辺の都市・農村のシナリオを実データとして評価した。
論文 参考訳(メタデータ) (2022-07-28T12:29:39Z) - MTBF-33: A multi-temporal building footprint dataset for 33 counties in
the United States (1900-2015) [1.7404865362620803]
我々は、米国33郡(MTBF-33)のマルチテンポラルビルディングフットプリントデータセットを作成しました。
MTBF-33には建設年を含む6200万以上の建物跡がある。
1900年から2015年の間、微細な空間的および時間的粒度で構築された領域の振り返りの描写を導出するために使用することができる。
論文 参考訳(メタデータ) (2022-03-21T15:57:02Z) - GANmapper: geographical content filling [0.0]
本稿では,GAN(Generative Adversarial Network)を用いた空間データ生成手法を提案する。
当社のコントリビューションでは、粗大で広く利用可能な地理空間データを使用して、構築された環境のより細かいスケールで、あまり利用できない機能のマップを作成しています。
我々は、土地利用データと道路ネットワークを入力として、建物のフットプリントを生成し、世界中の9都市で実験を行う。
論文 参考訳(メタデータ) (2021-08-07T05:50:54Z) - Continental-Scale Building Detection from High Resolution Satellite
Imagery [5.56205296867374]
アーキテクチャ,損失関数,正規化,事前学習,自己学習,後処理のバリエーションについて検討し,インスタンスセグメンテーション性能を向上する。
アフリカ全土の100万枚の衛星画像のデータセットを用いて、手動でラベル付けされた建築事例を含む実験が行われた。
本稿では,このモデルを用いた建物検出の性能向上のための新しい手法について報告する。
論文 参考訳(メタデータ) (2021-07-26T15:48:14Z) - Open government geospatial data on buildings for planning sustainable
and resilient cities [0.0]
自由アクセスのために政府から解放された建物に関する2次元地理空間データのグローバルな研究を行う。
私たちは、アクセシビリティ、豊かさ、データ品質、調和、他のアクターとの関係という5つの次元に基づいて、1億以上の建物を含む28カ国から140以上のリリースをベンチマークします。
政府によって公表されたデータの多くは空間分析に有用であるが、その間には大きな格差があり、全ての事例が高品質で調和し、説明情報に富んでいるわけではない。
論文 参考訳(メタデータ) (2021-06-28T17:13:04Z) - 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)
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。