Fugu-MT 論文翻訳(概要): Understanding Urban Water Consumption using Remotely Sensed Data

論文の概要: Understanding Urban Water Consumption using Remotely Sensed Data

arxiv url: http://arxiv.org/abs/2205.02932v1
Date: Tue, 3 May 2022 08:04:12 GMT
ステータス: 処理完了
システム内更新日: 2022-05-16 01:22:13.809037
Title: Understanding Urban Water Consumption using Remotely Sensed Data
Title（参考訳）: リモートセンシングデータを用いた都市水消費の理解
Authors: Shaswat Mohanty, Anirudh Vijay, Shailesh Deshpande
Abstract要約: この分析は、エレガントな機械学習アルゴリズムを実装することで、手動で実施することができる。本調査では,衛星画像で捉えた地域の建物における水消費量を推定する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Urban metabolism is an active field of research that deals with the estimation of emissions and resource consumption from urban regions. The analysis could be carried out through a manual surveyor by the implementation of elegant machine learning algorithms. In this exploratory work, we estimate the water consumption by the buildings in the region captured by satellite imagery. To this end, we break our analysis into three parts: i) Identification of building pixels, given a satellite image, followed by ii) identification of the building type (residential/non-residential) from the building pixels, and finally iii) using the building pixels along with their type to estimate the water consumption using the average per unit area consumption for different building types as obtained from municipal surveys.
Abstract（参考訳）: 都市代謝は、都市部からの排出と資源消費を推定する研究の活発な分野である。この分析は、エレガントな機械学習アルゴリズムを実装することで、手動で実施することができる。本研究は,衛星画像で捉えた地域の建物による水消費量を推定するものである。この目的のために、分析を3つの部分に分けます。一衛星画像が与えられ、次に続く建物画素の識別二建物の種類(居住/非居住)を建物画素から識別し、最後三都道府県の調査結果から得られた建物の種類別に、建物ピクセルとそれらのタイプを用いて、単位面積当たりの平均水消費量を推定すること。

関連論文リスト

Population estimation using 3D city modelling and Carto2S datasets -- A case study [0.0]
カルト2Sシリーズの打ち上げにより、高解像度画像(0.6-1.0m)が取得され、使用することができる。精度の良い高解像度ディジタル標高モデル(DEM)は、C2Sマルチビューとマルチ日付データセットを使用して生成することができる。 DEMは、デジタル地形モデル(DTM)を導出し、地球表面上の物体(建物と木)の正確な高さを抽出するためにさらに使用される。
論文参考訳（メタデータ） (2024-11-07T10:52:57Z)
Urban Flood Mapping Using Satellite Synthetic Aperture Radar Data: A Review of Characteristics, Approaches and Datasets [17.621744717937993]
本研究は,SARを用いた都市洪水マッピングの課題と進展に焦点を当てたものである。 SARデータにおける空間分解能と時間分解能の限界に特に対処し、本質的な前処理ステップについて議論する。これは、都市洪水マッピングのためのオープンアクセスSARデータセットの欠如を強調し、高度なディープラーニングベースの手法の開発を妨げる。
論文参考訳（メタデータ） (2024-11-06T09:30:13Z)
Towards an Autonomous Surface Vehicle Prototype for Artificial Intelligence Applications of Water Quality Monitoring [68.41400824104953]
本稿では,人工知能アルゴリズムの利用と水質モニタリングのための高感度センシング技術に対処する車両プロトタイプを提案する。車両には水質パラメータと水深を測定するための高品質なセンサーが装備されている。ステレオカメラにより、実際の環境でのマクロプラスチックの検出と検出も可能である。
論文参考訳（メタデータ） (2024-10-08T10:35:32Z)
Advancing Applications of Satellite Photogrammetry: Novel Approaches for Built-up Area Modeling and Natural Environment Monitoring using Stereo/Multi-view Satellite Image-derived 3D Data [0.0]
この論文は、ステレオおよびマルチビュー衛星画像から得られた3次元地理空間データに基づく、いくつかの新しいアプローチを探求する。衛星由来の3Dデータによる空間的・時間的課題に対処する新しいアプローチの4つの部分を紹介する。概して、この論文は、都市や環境問題に対処する衛星フォトグラムの応用の可能性を示している。
論文参考訳（メタデータ） (2024-04-18T20:02:52Z)
Leveraging Citizen Science for Flood Extent Detection using Machine Learning Benchmark Dataset [0.9029386959445269]
我々は、アメリカ本土とバングラデシュ内の約36,000平方キロメートルの地域をカバーする、既知の洪水イベントの間に、ラベル付きの水域範囲と浸水地域の範囲を作成します。また、データセットをオープンソース化し、データセットに基づいたオープンコンペティションを開催して、コミュニティ生成モデルを使用した洪水範囲検出を迅速にプロトタイプ化しました。データセットはSentinel-1C SARデータに基づく既存のデータセットに追加され、より堅牢な洪水範囲のモデリングにつながります。
論文参考訳（メタデータ） (2023-11-15T18:49:29Z)
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)
SensatUrban: Learning Semantics from Urban-Scale Photogrammetric Point Clouds [52.624157840253204]
センサットウルバン(SensatUrban)は、イギリスの3都市から収集された7.6km2の30億点近くからなる、都市規模のUAV測光点クラウドデータセットである。データセットの各ポイントは、粒度の細かいセマンティックアノテーションでラベル付けされ、その結果、既存の最大のフォトグラムポイントクラウドデータセットの3倍の大きさのデータセットが生成される。
論文参考訳（メタデータ） (2022-01-12T14:48:11Z)
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)
Semantic Segmentation on Swiss3DCities: A Benchmark Study on Aerial Photogrammetric 3D Pointcloud Dataset [67.44497676652173]
スイスの3つの都市から採取された総面積2.7 km2$の屋外3Dポイントクラウドデータセットを紹介した。データセットは、ポイントごとのラベルによるセマンティックセグメンテーションのために手動でアノテートされ、高解像度カメラを備えたマルチローターによって取得された画像のフォトグラムを用いて構築される。
論文参考訳（メタデータ） (2020-12-23T21:48:47Z)
Water Level Estimation Using Sentinel-1 Synthetic Aperture Radar Imagery And Digital Elevation Models [0.0]
Sentinel-1 Synthetic Aperture Radar ImageryとDigital Elevation Modelデータセットを用いた新しい水位抽出手法を提案する。実験の結果、このアルゴリズムは世界中の3つの貯水池で0.93mの低い平均誤差を達成した。
論文参考訳（メタデータ） (2020-12-11T18:42:15Z)
Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
論文参考訳（メタデータ） (2020-08-21T03:16:51Z)

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。