論文の概要: Census-Independent Population Estimation using Representation Learning
- arxiv url: http://arxiv.org/abs/2110.02839v1
- Date: Wed, 6 Oct 2021 15:13:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-07 14:18:34.942879
- Title: Census-Independent Population Estimation using Representation Learning
- Title（参考訳）: 表現学習を用いたセンサス非依存人口推定
- Authors: Isaac Neal and Sohan Seth and Gary Watmough and Mamadou S. Diallo
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.5735035463793007
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Knowledge of population distribution is critical for building infrastructure,
distributing resources, and monitoring the progress of sustainable development
goals. Although censuses can provide this information, they are typically
conducted every ten years with some countries having forgone the process for
several decades. Population can change in the intercensal period due to rapid
migration, development, urbanisation, natural disasters, and conflicts.
Census-independent population estimation approaches using alternative data
sources, such as satellite imagery, have shown promise in providing frequent
and reliable population estimates locally. Existing approaches, however,
require significant human supervision, for example annotating buildings and
accessing various public datasets, and therefore, are not easily reproducible.
We explore recent representation learning approaches, and assess the
transferability of representations to population estimation in Mozambique.
Using representation learning reduces required human supervision, since
features are extracted automatically, making the process of population
estimation more sustainable and likely to be transferable to other regions or
countries. We compare the resulting population estimates to existing population
products from GRID3, Facebook (HRSL) and WorldPop. We observe that our approach
matches the most accurate of these maps, and is interpretable in the sense that
it recognises built-up areas to be an informative indicator of population.
- Abstract（参考訳）: 人口分布の知識は、インフラの構築、資源の分配、持続可能な開発目標の進捗の監視に不可欠である。
国勢調査はこの情報を提供することができるが、通常は10年に1度実施され、その過程は数十年続く。
人口は、急激な移住、開発、都市化、自然災害、紛争によってインターセンサル期に変化しうる。
衛星画像などの代替データソースを用いた国勢調査非依存人口推定アプローチは、頻繁で信頼性の高い人口推定をローカルに提供することに有望である。
しかし、既存のアプローチでは、ビルの注釈付けや様々な公共データセットへのアクセスなど、人間の監督がかなり必要であり、容易に再現できない。
モザンビークでは,近年の表現学習のアプローチを検討し,表現の人口推定への移動可能性を評価する。
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、人口推定のプロセスがより持続可能になり、他の地域や国に移動しやすくなるため、人間の監督が要求される。
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。
我々は,本手法がこれらの地図の最も正確なものであることを観察し,人口の情報的指標として構築された地域を認識できるという意味で解釈できる。
関連論文リスト
- High-resolution Population Maps Derived from Sentinel-1 and Sentinel-2 [17.830362329876493]
POPCORN は、Sentinel-1 と Sentinel-2 の衛星画像のみを無料で利用できる人口マッピング手法である。
我々は400人未満の地域国勢調査に基づいて100mのGSDを持つルワンダの人口地図を作成した。
POPCORNは、ビルトアップされたエリアの明示的なマップと、ローカルなビルの占有率を検索する。
論文 参考訳（メタデータ） (2023-11-23T13:43:14Z) - Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。
従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。
本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
論文 参考訳（メタデータ） (2023-06-05T03:36:01Z) - 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) - 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) - Estimating Latent Population Flows from Aggregated Data via Inversing
Multi-Marginal Optimal Transport [57.16851632525864]
累積カウントデータから潜在人口フローを推定する問題について検討する。
この問題は、プライバシーの問題や測定の不確実性のために個々の軌道が利用できない場合に発生する。
我々はMOTフレームワークのコスト関数を学習し,集約データからの遷移フローを推定する。
論文 参考訳（メタデータ） (2022-12-30T03:03:23Z) - A Double Machine Learning Trend Model for Citizen Science Data [0.0]
本稿では, 市民科学データに共通する年次共生を制御しながら, 種数傾向を推定するための新しいモデリング手法について述べる。
このアプローチはDouble Machine Learningに基づいており、このフレームワークは、機械学習手法を使って人口変化を推定し、データに見いだされたコンバウンディングの調整に使用される確率スコアを推定する。
論文 参考訳（メタデータ） (2022-10-27T15:08:05Z) - 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) - Towards Sustainable Census Independent Population Estimation in
Mozambique [0.5735035463793007]
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。
論文 参考訳（メタデータ） (2021-04-26T16:37:41Z) - 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) - 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) - Survival Cluster Analysis [93.50540270973927]
異なるリスクプロファイルを持つサブポピュレーションを特定するために、生存分析には未解決の必要性がある。
このニーズに対処するアプローチは、個々の成果のキャラクタリゼーションを改善する可能性が高い。
論文 参考訳（メタデータ） (2020-02-29T22:41:21Z)
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。