論文の概要: So2Sat POP -- A Curated Benchmark Data Set for Population Estimation
from Space on a Continental Scale
- arxiv url: http://arxiv.org/abs/2204.08524v1
- Date: Thu, 7 Apr 2022 07:30:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-24 20:44:00.289574
- Title: So2Sat POP -- A Curated Benchmark Data Set for Population Estimation
from Space on a Continental Scale
- Title（参考訳）: So2Sat POP -- 大陸規模の空間からの人口推定のためのベンチマークデータセット
- Authors: Sugandha Doda, Yuanyuan Wang, Matthias Kahl, Eike Jens Hoffmann,
Hannes Taubenb\"ock, Xiao Xiang Zhu
- Abstract要約: 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、局所気候帯、土地利用分類、夜間光とマルチスペクトルセンチネル2画像からなる。
我々は、人口推定分野における高度な機械学習ベースのアプローチの開発において、研究コミュニティに貴重な付加物になることを期待している。
- 参考スコア（独自算出の注目度）: 11.95679446245525
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Obtaining a dynamic population distribution is key to many decision-making
processes such as urban planning, disaster management and most importantly
helping the government to better allocate socio-technical supply. For the
aspiration of these objectives, good population data is essential. The
traditional method of collecting population data through the census is
expensive and tedious. In recent years, machine learning methods have been
developed to estimate the population distribution. Most of the methods use data
sets that are either developed on a small scale or not publicly available yet.
Thus, the development and evaluation of the new methods become challenging. We
fill this gap by providing a comprehensive data set for population estimation
in 98 European cities. The data set comprises digital elevation model, local
climate zone, land use classifications, nighttime lights in combination with
multi-spectral Sentinel-2 imagery, and data from the Open Street Map
initiative. We anticipate that it would be a valuable addition to the research
community for the development of sophisticated machine learning-based
approaches in the field of population estimation.
- Abstract（参考訳）: ダイナミックな人口分布の確保は、都市計画、災害管理など多くの意思決定プロセスの鍵であり、最も重要なことは政府が社会技術供給をより適切に配分することを助けることである。
これらの目的の達成のためには、良い人口データが不可欠である。
国勢調査を通じて人口データを収集する伝統的な方法は高価で退屈である。
近年,人口分布を推定する機械学習手法が開発されている。
ほとんどのメソッドは、小さなスケールで開発されているか、まだ公開されていないデータセットを使用する。
これにより,新しい手法の開発と評価が困難になる。
このギャップを埋めるために、98のヨーロッパの都市で人口推定のための包括的な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、土地利用分類、夜間照明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。
我々は、人口推定分野における高度な機械学習ベースのアプローチの開発において、研究コミュニティに貴重な付加物になることを期待している。
関連論文リスト
- SatBird: Bird Species Distribution Modeling with Remote Sensing and
Citizen Science Data [68.2366021016172]
本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。
ケニアでは低データのレシエーションを表すデータセットも提供しています。
リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
論文 参考訳（メタデータ） (2023-11-02T02:00:27Z) - Unified Data Management and Comprehensive Performance Evaluation for
Urban Spatial-Temporal Prediction [Experiment, Analysis & Benchmark] [78.05103666987655]
この研究は、多様な都市空間時間データセットにアクセスし活用する際の課題に対処する。
都市空間・時空間のビッグデータ用に設計された統合ストレージフォーマットであるアトミックファイルを導入し,40種類の多様なデータセットでその有効性を検証する。
多様なモデルとデータセットを使用して広範な実験を行い、パフォーマンスリーダーボードを確立し、有望な研究方向性を特定する。
論文 参考訳（メタデータ） (2023-08-24T16:20:00Z) - 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) - 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) - 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) - 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) - JHU-CROWD++: Large-Scale Crowd Counting Dataset and A Benchmark Method [92.15895515035795]
我々は、"4,372"イメージと"1.51万"アノテーションを含む、新しい大規模非制約クラウドカウントデータセット(JHU-CROWD++)を導入する。
本稿では, 残差誤差推定により, 群集密度マップを段階的に生成する新しい群集カウントネットワークを提案する。
論文 参考訳（メタデータ） (2020-04-07T14:59:35Z) - 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。