論文の概要: Deep Transfer Learning on Satellite Imagery Improves Air Quality Estimates in Developing Nations

• arxiv url: http://arxiv.org/abs/2202.08890v1
• Date: Thu, 17 Feb 2022 20:20:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-21 23:22:16.036555
• Title: Deep Transfer Learning on Satellite Imagery Improves Air Quality Estimates in Developing Nations
• Title（参考訳）: 衛星画像を用いた深層移動学習による開発途上国の大気質評価の改善
• Authors: Nishant Yadav, Meytar Sorek-Hamer, Michael Von Pohle, Ata Akbari Asanjan, Adwait Sahasrabhojanee, Esra Suel, Raphael Arku, Violet Lingenfelter, Michael Brauer, Majid Ezzati, Nikunj Oza, Auroop R. Ganguly
• Abstract要約: 都市大気汚染は低所得国と中所得国(LMIC)の公衆衛生上の課題である 衛星画像をAQにマッピングするディープラーニングベースのモデルは、十分な地上データを持つ高所得国向けに構築することができる。
• 参考スコア（独自算出の注目度）: 5.780041165355323
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Urban air pollution is a public health challenge in low- and middle-income countries (LMICs). However, LMICs lack adequate air quality (AQ) monitoring infrastructure. A persistent challenge has been our inability to estimate AQ accurately in LMIC cities, which hinders emergency preparedness and risk mitigation. Deep learning-based models that map satellite imagery to AQ can be built for high-income countries (HICs) with adequate ground data. Here we demonstrate that a scalable approach that adapts deep transfer learning on satellite imagery for AQ can extract meaningful estimates and insights in LMIC cities based on spatiotemporal patterns learned in HIC cities. The approach is demonstrated for Accra in Ghana, Africa, with AQ patterns learned from two US cities, specifically Los Angeles and New York.
• Abstract（参考訳）: 都市大気汚染は低所得国や中所得国(LMIC)の公衆衛生問題である。 しかし、LMICには十分な空気品質(AQ)の監視インフラがない。 LMICの都市ではAQを正確に推定できないため、緊急の準備やリスク軽減を妨げている。 衛星画像をAQにマッピングするディープラーニングベースのモデルは、適切な地上データを持つ高所得国(HIC)向けに構築することができる。 ここでは,HIC都市で学習した時空間パターンに基づいて,衛星画像の深層移動学習をAQに適用したスケーラブルなアプローチにより,LMIC都市の有意義な推定と洞察を抽出できることを実証する。 このアプローチはアフリカ、ガーナのAccraで実証されており、米国2都市、特にロサンゼルスとニューヨークからAQパターンが学習されている。

関連論文リスト

• Grounding-IQA: Multimodal Language Grounding Model for Image Quality Assessment [69.07445098168344]
  我々は,新しい画像品質評価(IQA)タスクパラダイム,グラウンドング-IQAを導入する。 Grounding-IQAは2つのサブタスクからなる: Grounding-IQA-description (GIQA-DES) と visual question answering (GIQA-VQA)。 グラウンドディング-IQAを実現するために,提案した自動アノテーションパイプラインを通じて対応するデータセットGIQA-160Kを構築した。 提案したタスクパラダイム,データセット,ベンチマークが,よりきめ細かいIQAアプリケーションを促進することを示す。
  論文  参考訳（メタデータ） (2024-11-26T09:03:16Z)
• Poverty mapping in Mongolia with AI-based Ger detection reveals urban slums persist after the COVID-19 pandemic [16.51658182310753]
  モンゴルは都市化が急速に進んでいる国の一つである。 都市におけるゲルの居住地は、社会経済的損失によってスラムとして認識されがちである。 我々は,2015年から2023年にかけて収集された衛星画像を利用して,モンゴルの首都ウランバタールのガーを検出するコンピュータビジョンアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2024-10-12T12:47:02Z)
• State estimation of urban air pollution with statistical, physical, and super-learning graph models [0.0]
  本稿では,問題を都市グラフに反映したさまざまな再構築手法を提案する。 私たちの戦略は、完全なデータ駆動、物理駆動、ハイブリッドに分類されます。 この手法の性能は、フランスのパリ中心部の都市で試験される。
  論文  参考訳（メタデータ） (2024-02-05T08:42:39Z)
• SAT-CEP-monitor: An air quality monitoring software architecture combining complex event processing with satellite remote sensing [2.962390297307338]
  都市部は、人為的ガス排出による大気質の悪化に最も影響を受けている。 複雑なイベント処理と各種衛星センサからのリモートセンシングデータを効率的に組み合わせて,NRTの大気質をモニタリングするソフトウェアアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-01-29T17:45:23Z)
• Uncertainty Quantification for Image-based Traffic Prediction across Cities [63.136794104678025]
  不確実量化(UQ)法は確率論的推論を誘導するためのアプローチを提供する。 複数の都市にまたがる大規模画像ベース交通データセットへの適用について検討する。 モスクワ市を事例として,交通行動に対する時間的・空間的影響を考察した。
  論文  参考訳（メタデータ） (2023-08-11T13:35:52Z)
• Predicting air quality via multimodal AI and satellite imagery [0.2492060267829796]
  本稿では,監視局が存在しない空気質指標を予測するためのマルチモーダル機械学習モデルを提案する。 欧州大気汚染監視局(ESA Copernicus)プロジェクトからtextitaltitude, population, etc.$などの機能を備えた新しい欧州汚染監視局(ECA)のデータセットが作成されている。 これらの予測は、異なる地域における空気の質を比較するのに使用できる「空気品質指標」を作成するために集約される。
  論文  参考訳（メタデータ） (2022-11-01T22:56:15Z)
• Spatial-Temporal Hypergraph Self-Supervised Learning for Crime Prediction [60.508960752148454]
  本研究では,犯罪予測におけるラベル不足問題に対処する空間的ハイパーグラフ自己監視学習フレームワークを提案する。 都市空間全体における犯罪の地域的依存性をエンコードするクロスリージョンハイパーグラフ構造学習を提案する。 また,2段階の自己指導型学習パラダイムを設計し,局所的・世界的空間的犯罪パターンを共同で捉えるだけでなく,地域的自己差別の強化による疎犯罪表現を補う。
  論文  参考訳（メタデータ） (2022-04-18T23:46:01Z)
• IS-COUNT: Large-scale Object Counting from Satellite Images with Covariate-based Importance Sampling [90.97859312029615]
  本研究では,大規模地形におけるオブジェクト数統計をサンプリングによって推定する手法を提案する。 提案手法は,米国とアフリカ,ケニアの自動車,バングラデシュのレンガキルン,米国のスイミングプールの建物数の推定において,高い性能を発揮することを示す。
  論文  参考訳（メタデータ） (2021-12-16T18:59:29Z)
• Deep Learning Aided Routing for Space-Air-Ground Integrated Networks Relying on Real Satellite, Flight, and Shipping Data [79.96177511319713]
  現在の海上通信は主に単なる送信資源を持つ衛星に依存しており、現代の地上無線ネットワークよりも性能が劣っている。 大陸横断航空輸送の増加に伴い、商業旅客機に依存した航空アドホックネットワークという有望な概念は、空対地およびマルチホップ空対空リンクを介して衛星ベースの海上通信を強化する可能性がある。 低軌道衛星コンステレーション、旅客機、地上基地局、船舶がそれぞれ宇宙、航空、船舶として機能する、ユビキタスな海上通信を支援するための宇宙地上統合ネットワーク(SAGIN)を提案する。
  論文  参考訳（メタデータ） (2021-10-28T14:12:10Z)
• AIREX: Neural Network-based Approach for Air Quality Inference in Unmonitored Cities [0.491574468325115]
  監視局は、継続的に空気の質に関する情報を取得するために設置されているが、すべての地域をカバーするわけではない。 既存の方法は、監視対象都市のみの空気質を推定することを目的としており、監視対象都市では空気質を推定しない。 本研究では,未モニタリング都市における大気質を正確に推定するためのニューラルネットワークベースのアプローチAIREXを提案する。
  論文  参考訳（メタデータ） (2021-08-16T14:41:14Z)
• Federated Learning in the Sky: Aerial-Ground Air Quality Sensing Framework with UAV Swarms [53.38353133198842]
  空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。 本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。 地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
  論文  参考訳（メタデータ） (2020-07-23T13:32:47Z)

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。