論文の概要: High-resolution Population Maps Derived from Sentinel-1 and Sentinel-2
- arxiv url: http://arxiv.org/abs/2311.14006v1
- Date: Thu, 23 Nov 2023 13:43:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-27 23:28:38.355606
- Title: High-resolution Population Maps Derived from Sentinel-1 and Sentinel-2
- Title（参考訳）: Sentinel-1とSentinel-2から得られた高分解能人口地図
- Authors: Nando Metzger, Rodrigo Caye Daudt, Devis Tuia, Konrad Schindler
- Abstract要約: POPCORN は、Sentinel-1 と Sentinel-2 の衛星画像のみを無料で利用できる人口マッピング手法である。
我々は400人未満の地域国勢調査に基づいて100mのGSDを持つルワンダの人口地図を作成した。
POPCORNは、ビルトアップされたエリアの明示的なマップと、ローカルなビルの占有率を検索する。
- 参考スコア（独自算出の注目度）: 19.12923208598602
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Detailed population maps play an important role in diverse fields ranging
from humanitarian action to urban planning. Generating such maps in a timely
and scalable manner presents a challenge, especially in data-scarce regions. To
address it we have developed POPCORN, a population mapping method whose only
inputs are free, globally available satellite images from Sentinel-1 and
Sentinel-2; and a small number of aggregate population counts over coarse
census districts for calibration. Despite the minimal data requirements our
approach surpasses the mapping accuracy of existing schemes, including several
that rely on building footprints derived from high-resolution imagery. E.g., we
were able to produce population maps for Rwanda with 100m GSD based on less
than 400 regional census counts. In Kigali, those maps reach an $R^2$ score of
66% w.r.t. a ground truth reference map, with an average error of only $\pm$10
inhabitants/ha. Conveniently, POPCORN retrieves explicit maps of built-up areas
and of local building occupancy rates, making the mapping process interpretable
and offering additional insights, for instance about the distribution of
built-up, but unpopulated areas, e.g., industrial warehouses. Moreover, we find
that, once trained, the model can be applied repeatedly to track population
changes; and that it can be transferred to geographically similar regions,
e.g., from Uganda to Rwanda). With our work we aim to democratize access to
up-to-date and high-resolution population maps, recognizing that some regions
faced with particularly strong population dynamics may lack the resources for
costly micro-census campaigns.
- Abstract（参考訳）: 詳細な人口地図は人道行動から都市計画まで様々な分野で重要な役割を果たしている。
このような地図をタイムリーかつスケーラブルに生成することは、特にデータスカース領域において課題となる。
そこで我々は,Sentinel-1 と Sentinel-2 の衛星画像のみを無償で利用できる人口マッピング手法であるPOPCORN を開発した。
最小限のデータ要求にもかかわらず、我々のアプローチは既存のスキームのマッピング精度を超えています。
例えば、400人未満の地域国勢調査に基づいて100m GSDでルワンダの人口地図を作成できた。
キガリでは、これらの地図はw.r.t.地上真理参照地図の66%の$r^2$スコアに達し、平均誤差は1haあたり$pm$10である。
同時に、POPCORNは、ビルトアップされた地域の明示的な地図と、地元の建物占有率を検索し、マッピングプロセスが解釈可能となり、例えば、工業倉庫のような、人口の少ない地域の分布に関する追加の洞察を提供する。
さらに、一度訓練すると、人口の変化を追跡するためにモデルが繰り返し適用され、ウガンダからルワンダまで、地理的に類似した地域へ移行できることがわかった。
本研究の目的は,特に人口動態の強い地域では,費用のかかるマイクロセンサスキャンペーンの資源が不足している可能性があることを認識して,最新の高解像度人口地図へのアクセスを民主化することにある。
関連論文リスト
- Diffusion-based Data Augmentation for Object Counting Problems [62.63346162144445]
拡散モデルを用いて広範なトレーニングデータを生成するパイプラインを開発する。
拡散モデルを用いて位置ドットマップ上に条件付き画像を生成するのはこれが初めてである。
提案した拡散モデルにおけるカウント損失は,位置ドットマップと生成した群集画像との差を効果的に最小化する。
論文 参考訳（メタデータ） (2024-01-25T07:28:22Z) - 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) - Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。
従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。
本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
論文 参考訳（メタデータ） (2023-06-05T03:36:01Z) - 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) - So2Sat POP -- A Curated Benchmark Data Set for Population Estimation
from Space on a Continental Scale [11.38584315242023]
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、地域気候帯、土地利用率、夜間光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。
論文 参考訳（メタデータ） (2022-04-07T07:30:43Z) - Using Machine Learning to generate an open-access cropland map from
satellite images time series in the Indian Himalayan Region [0.28675177318965034]
我々は,Sentinel-2衛星画像時系列に依存するMLパイプラインを開発した。
ヒマハル・プラデーシュの3つの地区で14,600 km2の農地マップを作成し、既存の公共地図の解像度と品質を改善した。
論文 参考訳（メタデータ） (2022-03-28T12:08:06Z) - 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) - Cascaded Residual Density Network for Crowd Counting [63.714719914701014]
本研究では, 群衆数に対する高品質な密度マップを高精度に作成するために, 粗大なアプローチで新しいカスケード残差密度ネットワーク(CRDNet)を提案する。
新たな局所的カウント損失が示され、群衆カウントの精度が向上する。
論文 参考訳（メタデータ） (2021-07-29T03:07:11Z) - Deploying machine learning to assist digital humanitarians: making image
annotation in OpenStreetMap more efficient [72.44260113860061]
本稿では,OpenStreetMapにおけるボランティアの作業を支援し,最適化するためのインタラクティブな手法を提案する。
提案手法は,OSMのボランティアが検証・修正するために必要なデータ量を大幅に削減する。
論文 参考訳（メタデータ） (2020-09-17T10:05:30Z) - Relevant Region Prediction for Crowd Counting [43.85415960107145]
クラウドカウントのための関連領域予測(RRP)を提案する。
RRP は Count Map と Region Relation-Aware Module (RRAM) から構成される
グラフ畳み込みネットワーク(GCN)に基づいて、重要な領域依存を捕捉して活用するために、リージョン関係認識モジュールが提案されている。
論文 参考訳（メタデータ） (2020-05-20T01:53:24Z)
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。