論文の概要: Visual Perception of Building and Household Vulnerability from Streets

• arxiv url: http://arxiv.org/abs/2205.14460v1
• Date: Sat, 28 May 2022 15:35:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-31 16:53:09.154359
• Title: Visual Perception of Building and Household Vulnerability from Streets
• Title（参考訳）: 街路からの建築物の視覚認識と住宅の脆弱性
• Authors: Chaofeng Wang, Sarah Elizabeth Antos, Jessica Grayson Gosling Goldsmith, Luis Miguel Triveno
• Abstract要約: 発展途上国では、コードの構築は時代遅れまたは強制されないことが多い。 住宅の大部分が基準以下であり、自然災害や気候関連の出来事に弱い。 本稿では,最初のキャプチャと将来の更新に費用効率のよい評価フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.294944680995069
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In developing countries, building codes often are outdated or not enforced. As a result, a large portion of the housing stock is substandard and vulnerable to natural hazards and climate related events. Assessing housing quality is key to inform public policies and private investments. Standard assessment methods are typically carried out only on a sample / pilot basis due to its high costs or, when complete, tend to be obsolete due to the lack of compliance with recommended updating standards or not accessible to most users with the level of detail needed to take key policy or business decisions. Thus, we propose an evaluation framework that is cost-efficient for first capture and future updates, and is reliable at the block level. The framework complements existing work of using street view imagery combined with deep learning to automatically extract building information to assist the identification of housing characteristics. We then check its potential for scalability and higher level reliability. For that purpose, we create an index, which synthesises the highest possible level of granularity of data at the housing unit and at the household level at the block level, and assess whether the predictions made by our model could be used to approximate vulnerability conditions with a lower budget and in selected areas. Our results indicated that the predictions from the images are clearly correlated with the index.
• Abstract（参考訳）: 発展途上国では、コードの構築は時代遅れまたは強制されないことが多い。 その結果、住宅の大部分が準標準的であり、自然災害や気候関連の出来事に弱い。 住宅の質を評価することは公共政策や民間投資を知らせる鍵である。 標準アセスメント手法は通常、高コストのためにサンプル/パイロットベースでのみ実施されるか、あるいは完成時には、推奨更新標準への準拠が欠如していることや、重要な方針やビジネス上の決定を行うために必要な詳細レベルを持つほとんどのユーザにはアクセスできないため、時代遅れになる傾向がある。 そこで本稿では,最初のキャプチャと将来の更新に費用効率が良く,ブロックレベルで信頼性の高い評価フレームワークを提案する。 このフレームワークは、ストリートビュー画像とディープラーニングを組み合わせた既存の作業を補完し、建物情報を自動的に抽出し、住宅特性の識別を支援する。 そして、スケーラビリティと高いレベルの信頼性の可能性を確認します。 そこで我々は, 住宅単位および住宅水準におけるデータ粒度の最大レベルを合成する指標を作成し, モデルによる予測を, より低い予算で, 選択された領域で, 脆弱性条件を近似するために利用できるかどうかを評価する。 その結果,画像からの予測は指標と明確に相関していることがわかった。

関連論文リスト

• A utility-based spatial analysis of residential street-level conditions; A case study of Rotterdam [1.2289361708127877]
  本稿では,都市規模での住宅地選択における街路レベルの条件から導かれるユーティリティの空間分布について検討する。 街路レベルの条件から派生したユーティリティは,高度に局所化されたスケールで大きく変化することがわかった。 また,都市中心部の不動産価格が高いのは,街並みの魅力的な条件によるものではないことも明らかにした。
  論文  参考訳（メタデータ） (2024-10-23T13:52:22Z)
• Beyond Eviction Prediction: Leveraging Local Spatiotemporal Public Records to Inform Action [11.183319154396369]
  我々は、リスクスコアを生成し、これらのリスクスコアを使用して目標とするアウトリーチポリシーを計画する、退避予測タスクを実行します。 リスクスコアが実際に有用であることを示し、ケースワーカーの理論的チームが同じ時間内により多くのエビクションを発生させる特性に到達できるようにする。 また,リスク予測と目標アウトリーチの両面において,地域的・所有権的特徴の重要性についても論じる。
  論文  参考訳（メタデータ） (2024-01-27T09:29:11Z)
• Fine-Grained Property Value Assessment using Probabilistic Disaggregation [14.618878494135226]
  リモートセンシング画像から画素レベルの特性値の分布を推定する手法を提案する。 本研究では,大都市における実世界のデータセットについて評価する。
  論文  参考訳（メタデータ） (2023-05-31T23:40:47Z)
• 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)
• Post-Contextual-Bandit Inference [57.88785630755165]
  コンテキストバンディットアルゴリズムは、電子商取引、医療、政策立案における非適応的なA/Bテストを置き換える傾向にある。 研究参加者の成果を改善することもでき、良い方針や最良の政策を特定できる可能性を高めることもできる。 研究の終盤における新規介入の信頼性推論を支援するため, 平均治療効果, サブグループ効果, あるいは新政策の価値について, 有効な信頼区間を構築したい。
  論文  参考訳（メタデータ） (2021-06-01T12:01:51Z)
• RobustBench: a standardized adversarial robustness benchmark [84.50044645539305]
  ロバストネスのベンチマークにおける主な課題は、その評価がしばしばエラーを起こし、ロバストネス過大評価につながることである。 我々は,白箱攻撃と黒箱攻撃のアンサンブルであるAutoAttackを用いて,敵対的ロバスト性を評価する。 分散シフト,キャリブレーション,アウト・オブ・ディストリビューション検出,フェアネス,プライバシリーク,スムースネス,転送性に対するロバスト性の影響を解析した。
  論文  参考訳（メタデータ） (2020-10-19T17:06:18Z)
• 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)
• Confounding-Robust Policy Evaluation in Infinite-Horizon Reinforcement Learning [70.01650994156797]
  教育医療などのバッチ強化学習において、観察データからのシーケンシャルな意思決定方針のオフ・アセスメントが必要である。 我々は、ある政策の境界を推定するアプローチを開発する。 より凝縮したデータを集めることで、シャープな境界への収束を証明します。
  論文  参考訳（メタデータ） (2020-02-11T16:18:14Z)
• Generating Interpretable Poverty Maps using Object Detection in Satellite Images [80.35540308137043]
  衛星画像に物体検出装置を適用することにより、局所レベルでの貧困を正確に予測するための解釈可能な計算手法を実証する。 対象物の重み付けを特徴として、ウガンダの村レベルの貧困を予測する0.539 Pearson's r2を達成し、既存の(解釈不可能でない)ベンチマークよりも31%改善した。
  論文  参考訳（メタデータ） (2020-02-05T02:50:01Z)

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。