論文の概要: Poverty mapping in Mongolia with AI-based Ger detection reveals urban slums persist after the COVID-19 pandemic
- arxiv url: http://arxiv.org/abs/2410.09522v1
- Date: Sat, 12 Oct 2024 12:47:02 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-30 14:04:51.719859
- Title: Poverty mapping in Mongolia with AI-based Ger detection reveals urban slums persist after the COVID-19 pandemic
- Title（参考訳）: モンゴルの貧困マップとAIベースのGer検出、新型コロナウイルスのパンデミック後に都市スラムが存続
- Authors: Jeasurk Yang, Sumin Lee, Sungwon Park, Minjun Lee, Meeyoung Cha,
- Abstract要約: モンゴルは都市化が急速に進んでいる国の一つである。
都市におけるゲルの居住地は、社会経済的損失によってスラムとして認識されがちである。
我々は,2015年から2023年にかけて収集された衛星画像を利用して,モンゴルの首都ウランバタールのガーを検出するコンピュータビジョンアルゴリズムを開発した。
- 参考スコア（独自算出の注目度）: 16.51658182310753
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mongolia is among the countries undergoing rapid urbanization, and its temporary nomadic dwellings-known as Ger-have expanded into urban areas. Ger settlements in cities are increasingly recognized as slums by their socio-economic deprivation. The distinctive circular, tent-like shape of gers enables their detection through very-high-resolution satellite imagery. We develop a computer vision algorithm to detect gers in Ulaanbaatar, the capital of Mongolia, utilizing satellite images collected from 2015 to 2023. Results reveal that ger settlements have been displaced towards the capital's peripheral areas. The predicted slum ratio based on our results exhibits a significant correlation (r = 0.84) with the World Bank's district-level poverty data. Our nationwide extrapolation suggests that slums may continue to take up one-fifth of the population after the COVID-19 pandemic, contrary to other official predictions that anticipated a decline. We discuss the potential of machine learning on satellite imagery in providing insights into urbanization patterns and monitoring the Sustainable Development Goals.
- Abstract（参考訳）: モンゴルは都市化が急速に進んでいる国の一つであり、ガーハーブとして知られる仮設遊牧民の住居は都市部に拡大している。
都市におけるゲルの居住地は、社会経済的損失によってスラムとして認識されがちである。
ガーの特徴的な円形のテントのような形状は、非常に高解像度の衛星画像を通して検出することができる。
我々は,2015年から2023年にかけて収集された衛星画像を利用して,モンゴルの首都ウランバタールのガーを検出するコンピュータビジョンアルゴリズムを開発した。
その結果、ガーの居住地は首都の周辺地域に移されたことが明らかとなった。
この結果に基づいて予測されたスラム比は、世界銀行の地域レベルの貧困データと有意な相関(r = 0.84)を示した。
新型コロナウイルスのパンデミック後の人口の5分の1をスラムが占める可能性も示唆している。
本稿では,衛星画像における機械学習の可能性について考察し,都市化パターンの洞察と持続可能な開発目標のモニタリングについて述べる。
関連論文リスト
- UV-SAM: Adapting Segment Anything Model for Urban Village Identification [25.286722125746902]
政府は都市村を監視するための調査手法に大きく依存している。
衛星画像から都市村の境界を正確に識別するために,UV-SAM という都市村区分にセグメンションモデル(SAM)を適用した。
UV-SAMは、まず小さなセマンティックセグメンテーションモデルを利用して、マスク、バウンディングボックス、画像表現などの都市村の混合プロンプトを生成し、それをSAMに送り込み、きめ細かい境界識別を行う。
論文 参考訳（メタデータ） (2024-01-16T03:21:42Z) - Granularity at Scale: Estimating Neighborhood Socioeconomic Indicators
from High-Resolution Orthographic Imagery and Hybrid Learning [1.8369448205408005]
オーバーヘッド画像は、コミュニティ情報が不足しているギャップを埋めるのに役立つ。
機械学習とコンピュータビジョンの最近の進歩により、画像データのパターンから素早く特徴を抽出し、検出することが可能になった。
本研究では, 人口密度, 中央値世帯所得, 教育達成率の2つのアプローチ, 教師付き畳み込みニューラルネットワークと半教師付きクラスタリングについて検討する。
論文 参考訳（メタデータ） (2023-09-28T19:30:26Z) - A Satellite Imagery Dataset for Long-Term Sustainable Development in
United States Cities [15.862784224905095]
5つの持続可能な開発指標のためのディープラーニングモデルを用いた衛星画像データセットを開発する。
提案されたデータセットは、2014年から2023年までのアメリカ合衆国で最も人口の多い100の都市と対応する国勢調査ブロック・グループを対象としている。
論文 参考訳（メタデータ） (2023-08-01T11:40:19Z) - 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) - Urban form and COVID-19 cases and deaths in Greater London: an urban
morphometric approach [63.29165619502806]
新型コロナウイルスのパンデミックは、都市密度に関してかなりの議論を巻き起こした。
これは19世紀中頃のイングランドで、公衆衛生と都市計画の分野が出現して始まった古い議論である。
都市形態を個々の建物レベルで記述し、その後、公的な近隣住民の情報を集約する。
論文 参考訳（メタデータ） (2022-10-16T10:01:10Z) - 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) - Predicting Poverty Level from Satellite Imagery using Deep Neural
Networks [0.0]
頭上衛星画像から地域の貧困レベルを予測する深層学習型コンピュータビジョン手法を開発した。
データ量とデータ拡張がネットワークの表現力と全体的な精度に与える影響について検討する。
論文 参考訳（メタデータ） (2021-11-30T18:57:24Z) - C-Watcher: A Framework for Early Detection of High-Risk Neighborhoods
Ahead of COVID-19 Outbreak [54.39837683016444]
C-Watcherは、新型コロナウイルスの感染拡大に先立ち、対象都市のすべての地区を検査し、感染リスクを予測することを目指している。
C-WatcherはBaidu Mapsから大規模な人体移動データを収集し、都市移動パターンに基づいた一連の特徴を用いて市内のすべての住宅地区を特徴付ける。
新型コロナウイルスの感染拡大の初期段階における実データ記録を用いたC-Watcherの広範な実験を行った。
論文 参考訳（メタデータ） (2020-12-22T17:02:54Z) - Measuring Human and Economic Activity from Satellite Imagery to Support
City-Scale Decision-Making during COVID-19 Pandemic [6.623965960680924]
我々は、戦略的位置サンプリングと軽量畳み込みニューラルネットワーク(CNN)のアンサンブルを組み合わせたディープラーニングアプローチを使用している。
このCNNアンサンブルフレームワークは、アメリカ国防総省xViewチャレンジで3位にランクインした。
新型コロナウイルス(COVID-19)感染前後のさまざまなサイトの実例から,測定可能な指標を示す結果が得られた。
論文 参考訳（メタデータ） (2020-04-16T03:47:11Z) - Measuring Spatial Subdivisions in Urban Mobility with Mobile Phone Data [58.720142291102135]
2050年までに世界の人口の3分の2が都市部に住んでいる。
この成長は、都市が持続可能性を測定し計画する能力よりも速く、より複雑である。
都市がなぜ包括的になるのかを理解するために,空間分割を識別し特徴付ける手法を定義する。
論文 参考訳（メタデータ） (2020-02-20T14:37:46Z) - 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。