論文の概要: Multitemporal analysis in Google Earth Engine for detecting urban
changes using optical data and machine learning algorithms
- arxiv url: http://arxiv.org/abs/2308.11468v1
- Date: Tue, 22 Aug 2023 14:29:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-23 13:16:54.479945
- Title: Multitemporal analysis in Google Earth Engine for detecting urban
changes using optical data and machine learning algorithms
- Title（参考訳）: オプティカルデータと機械学習アルゴリズムを用いたGoogle Earth Engineによる都市変動検出のためのマルチテンポラル解析
- Authors: Mariapia Rita Iandolo and Francesca Razzano and Chiara Zarro and G. S.
Yogesh and Silvia Liberata Ullo
- Abstract要約: 本研究の目的は,Google Earth Engine (GEE) プラットフォームを用いて都市部の変化を検出することにある。
エジプトでは、カイロ市は過去10年間で最も人口の多い大都市のひとつだと考えられています。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The aim of this work is to perform a multitemporal analysis using the Google
Earth Engine (GEE) platform for the detection of changes in urban areas using
optical data and specific machine learning (ML) algorithms. As a case study,
Cairo City has been identified, in Egypt country, as one of the five most
populous megacities of the last decade in the world. Classification and change
detection analysis of the region of interest (ROI) have been carried out from
July 2013 to July 2021. Results demonstrate the validity of the proposed method
in identifying changed and unchanged urban areas over the selected period.
Furthermore, this work aims to evidence the growing significance of GEE as an
efficient cloud-based solution for managing large quantities of satellite data.
- Abstract（参考訳）: 本研究の目的は,google earth engine (gee) プラットフォームを用いて,光データと機械学習 (ml) アルゴリズムを用いた都市域の変化検出のための多時間解析を行うことである。
ケーススタディとして、カイロ市はエジプトの国で、過去10年間で最も人口の多い5つの大都市の1つとして認識されている。
2013年7月から2021年7月まで、関心領域(ROI)の分類と変更検出分析を行った。
提案手法が選択された期間における変遷・変遷市街地の同定に有効であることを示す。
さらに、この研究は、大量の衛星データを管理するための効率的なクラウドベースのソリューションとして、GEEの重要性の高まりを示すことを目的としている。
関連論文リスト
- A Predictive and Optimization Approach for Enhanced Urban Mobility Using Spatiotemporal Data [0.0]
本研究では,機械学習アルゴリズムと実交通情報を組み合わせた都市移動性向上手法を提案する。
ニューヨーク市の黄色いタクシー旅行のデータを用いて,旅行時間と渋滞解析の予測モデルを構築した。
本研究は、高度データ駆動方式による都市渋滞の低減と交通効率の向上を目的とした継続的な取り組みに寄与する。
論文 参考訳（メタデータ） (2024-10-07T16:16:49Z) - Quanv4EO: Empowering Earth Observation by means of Quanvolutional Neural Networks [62.12107686529827]
本稿は、大量のリモートセンシングデータの処理において、量子コンピューティング技術を活用することへの大きなシフトを取り上げる。
提案したQuanv4EOモデルでは,多次元EOデータを前処理するための準進化法が導入された。
主要な知見は,提案モデルが画像分類の精度を維持するだけでなく,EOのユースケースの約5%の精度向上を図っていることを示唆している。
論文 参考訳（メタデータ） (2024-07-24T09:11:34Z) - Advanced Artificial Intelligence Strategy for Optimizing Urban Rail Network Design using Nature-Inspired Algorithms [0.0]
本研究では,インド・タミル・ナドゥ州チェンナイの都市環境におけるメトロネットワークルート計画の革新的方法論を紹介する。
改良型Ant Colony Optimization (ACO)法の比較分析により, 改良型Ant Colony Optimization (ACO)法と, 改良型Ant Colony Optimization (ACO)法との比較を行った。
論文 参考訳（メタデータ） (2024-07-04T17:57:39Z) - Geo-Encoder: A Chunk-Argument Bi-Encoder Framework for Chinese
Geographic Re-Ranking [61.60169764507917]
中国の地理的再ランクタスクは、検索された候補者の中で最も関連性の高い住所を見つけることを目的としている。
そこで我々は,中国語の地理的意味論をより効果的に統合する,革新的なフレームワークであるGeo-Encoderを提案する。
論文 参考訳（メタデータ） (2023-09-04T13:44:50Z) - Change Detection Methods for Remote Sensing in the Last Decade: A
Comprehensive Review [45.78958623050146]
変更検出はリモートセンシングにおいて必須かつ広く利用されるタスクである。
時間とともに同じ地理的領域で起きている変化を検出し、分析することを目的としている。
ディープラーニングは、これらの課題を抽出し対処するための強力なツールとして登場した。
論文 参考訳（メタデータ） (2023-05-09T23:52:37Z) - Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep
Learning [77.34726150561087]
本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。
我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
論文 参考訳（メタデータ） (2022-09-28T18:51:59Z) - A Visual Analytics System for Profiling Urban Land Use Evolution [5.053505466956614]
Urban ChroniclesはオープンソースのWebベースのビジュアル分析システムで、土地利用パターンの変化のインタラクティブな探索を可能にする。
数年にわたって異なるスケールでデータを探索することで,システムの能力を示す。
論文 参考訳（メタデータ） (2021-12-12T02:36:54Z) - An Experimental Urban Case Study with Various Data Sources and a Model
for Traffic Estimation [65.28133251370055]
我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。
我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。
本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
論文 参考訳（メタデータ） (2021-08-02T08:13:57Z) - Deep learning approaches to Earth Observation change detection [0.0]
本稿では,畳み込みニューラルネットワークを利用して良好な結果を得る,変化検出(セマンティックセグメンテーションと分類)の2つのアプローチを提案する。
本稿では,畳み込みニューラルネットワークを利用して良好な結果を得る,変化検出(セマンティックセグメンテーションと分類)のための2つのアプローチを提案する。
論文 参考訳（メタデータ） (2021-07-13T14:34:59Z) - TLab: Traffic Map Movie Forecasting Based on HR-NET [23.40323690536007]
私たちのソリューションでは、手作りの機能はチャネルの形でモデルに入力されます。
予測精度に関しては、NeurIPS 2020、Traffic4cast Challengeで2位を獲得しました。
論文 参考訳（メタデータ） (2020-11-13T18:48:13Z) - GridMask Data Augmentation [76.79300104795966]
本稿では,新しいデータ拡張手法であるGridMaskを提案する。
情報除去を利用して、様々なコンピュータビジョンタスクで最先端の結果を達成する。
論文 参考訳（メタデータ） (2020-01-13T07:27:05Z)
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。