論文の概要: Monitoring of Urban Changes with multi-modal Sentinel 1 and 2 Data in Mariupol, Ukraine, in 2022/23

• arxiv url: http://arxiv.org/abs/2309.08607v2
• Date: Wed, 14 Feb 2024 23:10:42 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-16 18:53:26.727235
• Title: Monitoring of Urban Changes with multi-modal Sentinel 1 and 2 Data in Mariupol, Ukraine, in 2022/23
• Title（参考訳）: 2022/23年ウクライナ・マリウポリにおけるマルチモーダルセンチネル1および2データによる都市変動のモニタリング
• Authors: Georg Zitzlsberger and Michal Podhoranyi
• Abstract要約: 我々は、ウクライナのマリプオールの現在の紛争地帯の監視に適用可能であることを実証し、議論した。 競合ゾーンへの転送は、最近の超高解像度(VHR)データの可用性が限られていたため、困難だった。 本研究は,古いVHRデータを用いた都市変動モニタリングが,現在の紛争帯において可能であることを実証した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The ability to constantly monitor urban changes is of significant socio-economic interest, like detecting trends in urban expansion or tracking the vitality of urban areas. Especially in present conflict zones or disaster areas, such insights provide valuable information to keep track of the current situation. However, they are often subject to limited data availability in space and time. We built on our previous work, which used a transferred Deep Neural Network (DNN) operating on multi-modal Sentinel 1 and 2 data. In the current study, we have demonstrated and discussed its applicability in monitoring the present conflict zone of Mariupol, Ukraine, with high-temporal resolution Sentinel time series for the years 2022/23. A transfer to that conflict zone was challenging due to the limited availability of recent Very High Resolution (VHR) data. The current work had two objectives. First, transfer learning with older and publicly available VHR data was shown to be sufficient. That guaranteed the availability of more and less expensive data as time constraints were relaxed. Second, in an ablation study, we analyzed the effects of loss of observations to demonstrate the resiliency of our method. That was of particular interest due to the malfunctioning of Sentinel 1B shortly before the selected conflict. Our study demonstrated that urban change monitoring is possible for present conflict zones after transferring with older VHR data. It also indicated that, despite the multi-modal input, our method was more dependent on optical multispectral than Synthetic Aperture Radar (SAR) observations but resilient to loss of observations.
• Abstract（参考訳）: 都市の変化を常に監視する能力は、都市拡大のトレンドの検出や都市部の活力の追跡など、社会経済的に重要な関心事である。 特に現在の紛争地域や災害地域では、こうした知見が現在の状況を把握するための貴重な情報を提供する。 しかし、空間や時間におけるデータの可用性が制限されることが多い。 我々は、マルチモーダルのSentinel 1と2のデータで操作するDeep Neural Network(DNN)を用いた以前の研究に基づいて構築した。 本研究は,2022/23年の高時間分解能センチネル時系列を用いて,現在のウクライナ・マリプオールの紛争帯の監視に適用可能であることを実証し,議論した。 競合ゾーンへの転送は、最近の超高解像度(VHR)データの限られた可用性のために困難だった。 現在の作業には2つの目標があった。 まず、古いVHRデータの転送学習が十分であることを示した。 これにより、時間制約が緩和されるにつれて、ますます高価なデータが利用可能になることが保証された。 第2に, アブレーション研究において, 観察の損失の影響を解析し, 本手法のレジリエンスを実証した。 これは選択された紛争の直前にセンチネル1Bが故障したため特に興味を引いた。 本研究は,古いVHRデータを用いた都市変動モニタリングが,現在の紛争帯において可能であることを実証した。 また,マルチモード入力にも拘わらず,SAR(Synthetic Aperture Radar)観測よりも光マルチスペクトルに頼っていた。

関連論文リスト

• Building Damage Assessment in Conflict Zones: A Deep Learning Approach Using Geospatial Sub-Meter Resolution Data [9.146968506196446]
  我々は,ウクライナのマリプオール市における,紛争前の画像と紛争後の画像を用いた注釈付きデータセットを構築した。 次に、ゼロショットおよび学習シナリオの両方において、CNNモデルの転送可能性について検討する。 これは、サブメートル分解能画像を用いて戦闘帯の建物損傷を評価する最初の研究である。
  論文  参考訳（メタデータ） (2024-10-07T07:26:38Z)
• Early Detection of Critical Urban Events using Mobile Phone Network Data [1.215595725505415]
  ネットワークシグナリングデータ(NSD)は、個人による携帯電話サービスに関する継続的な時間情報を提供する可能性がある。 NSDは、火災、大事故、スタンプ、テロ攻撃、スポーツやレジャーの集まりなど、重要な都市イベントの早期発見を可能にする。 本稿では,高度NSDが交通サービス消費の異常を検出できるという実証的証拠を提示する。
  論文  参考訳（メタデータ） (2024-05-29T14:31:39Z)
• Rethinking Urban Mobility Prediction: A Super-Multivariate Time Series Forecasting Approach [71.67506068703314]
  長期の都市移動予測は、都市施設やサービスの効果的管理において重要な役割を担っている。 伝統的に、都市移動データはビデオとして構成され、経度と緯度を基本的なピクセルとして扱う。 本研究では,都市におけるモビリティ予測の新たな視点について紹介する。 都市移動データを従来のビデオデータとして単純化するのではなく、複雑な時系列と見なす。
  論文  参考訳（メタデータ） (2023-12-04T07:39:05Z)
• Prediction of Tourism Flow with Sparse Geolocation Data [5.7816173667121635]
  特定の地域での観光量と観光フローの適正かつ正確な予測が重要である。 本稿では,RNN,GNN,Transformerといった最先端のディープラーニング手法の性能を実証的に評価する。 これにより、現代の入力特徴ハンドリングと、個別のPOIデータ上に位置情報データをマッピングすることで、予測の精度を高めることができる。
  論文  参考訳（メタデータ） (2023-08-28T12:03:03Z)
• Imbalanced Aircraft Data Anomaly Detection [103.01418862972564]
  航空シナリオ下でのセンサーからの時間データの異常検出は実用的だが難しい課題である。 本稿では,グラフィカル・テンポラル・データ分析フレームワークを提案する。 シリーズ・トゥ・イメージ (S2I) と呼ばれる3つのモジュール、ユークリッド距離 (CRD) を用いたクラスタ・ベース・リサンプリング・アプローチ、変数・ベース・ロス (VBL) から構成される。
  論文  参考訳（メタデータ） (2023-05-17T09:37:07Z)
• Unsupervised 4D LiDAR Moving Object Segmentation in Stationary Settings with Multivariate Occupancy Time Series [62.997667081978825]
  静止センサから記録された4次元LiDARデータにおける非教師なし移動物体セグメンテーション(MOS)の問題に対処する。 教師なしMOSの問題を緩和する時系列に基づく新しい4次元LiDAR表現を提案する。 Raw KITTIデータセットによる静止シーンの実験では、完全に教師なしのアプローチが、教師付き最先端アプローチに匹敵するパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2022-12-30T14:48:14Z)
• GT-CausIn: a novel causal-based insight for traffic prediction [4.399130897743016]
  本稿では,因果関係をグラフ拡散層と時間畳み込みネットワーク層と統合したグラフ空間時間ネットワーク(GT-CausIn)を提案する。 P.EMS-BAYとMETR-LAの2つの実世界の交通データセットで実験が行われ、GT-CausInは中期および長期の予測において最先端のモデルを著しく上回っている。
  論文  参考訳（メタデータ） (2022-12-12T09:09:39Z)
• 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)
• Averaging Spatio-temporal Signals using Optimal Transport and Soft Alignments [110.79706180350507]
  Fr'teche は双対性を意味し, 時間的バレシェセンタを定義するために提案した損失が有効であることを示す。 手書き文字と脳画像データによる実験は、我々の理論的発見を裏付けるものである。
  論文  参考訳（メタデータ） (2022-03-11T09:46:22Z)
• Few-shot Partial Multi-view Learning [103.33865779721458]
  本稿では,複数ショット部分的多視点学習という新しい課題を提案する。 それは、低データ体制におけるビューミス問題によるネガティブな影響を克服することに焦点を当てている。 提案手法を評価するため,広範囲な実験を行った。
  論文  参考訳（メタデータ） (2021-05-05T13:34:43Z)
• Spatiotemporal Tensor Completion for Improved Urban Traffic Imputation [3.2489082010225494]
  都市交通データは、測定不足につながる不完全な傾向があります。 交通の都市的・時間的側面を考慮したCANDECOMP/AFAC(CP)完成手法を提案する。 提案手法は,最先端cpアプローチと比較して26%,最先端生成モデルベースアプローチでは35%の有効回復性能を提供する。
  論文  参考訳（メタデータ） (2021-03-12T16:07:23Z)

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。