論文の概要: Open-access model for detecting openly dumped dispersed municipal solid waste from crowdsourced UAV imagery in Sub-Saharan Africa

• arxiv url: http://arxiv.org/abs/2605.02316v1
• Date: Mon, 04 May 2026 08:14:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:50.185489
• Title: Open-access model for detecting openly dumped dispersed municipal solid waste from crowdsourced UAV imagery in Sub-Saharan Africa
• Title（参考訳）: サハラ以南のアフリカにおけるクラウドソーシングUAV画像による公共捨て廃棄物のオープンアクセスモデル
• Authors: Steffen Knoblauch, Ram Kumar Muthusamy, Luis M. A. Bettencourt, Costas Velis, Pierre Chrzanowski, Edward Charles Anderson, Pete Masters, Innocent Maholi, Antonio Inguane, Levi Szamek, Alexander Zipf,
• Abstract要約: 本稿では, クラウドソーシングされたUAV画像を用いて, 散布した廃棄物を自動的に検出するためのオープンアクセス深層学習モデルを提案する。 手動でアノテートされた画像タイルで訓練したモデルでは, 全研究領域にわたって散布された散布された固体廃棄物の検出に優れた性能を示した。 モデルをリリースすることにより,自治体や地域地図作成コミュニティが収集したUAV画像の活用可能なツールを提供する。
• 参考スコア（独自算出の注目度）: 29.92833580917791
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Managing municipal solid waste in rapidly urbanizing Sub-Saharan Africa remains challenging due to dispersed informal dumping and limited high-resolution datasets for spatial monitoring. We present an open-access deep learning model for automated detection of openly dumped dispersed solid waste via crowdsourced UAV imagery, trained and evaluated across 29 regions in 10 countries, encompassing diverse environmental contexts. A deep learning model trained on manually annotated image tiles achieved excellent performance in detecting openly dumped dispersed solid waste across all study regions. Predicted distributions reveal heterogeneous accumulation patterns, ranging from localized hotspots - often along waterways, where waste can exacerbate flood and public health risks - to more dispersed litter across urban areas. Waste accumulation is most strongly associated with population density and indicators of lack of local infrastructure access, whereas its relationship with broader measures of regional development is weaker, highlighting the importance of fine-scale data for understanding localized waste dynamics. By releasing the model, this study provides a ready-to-use tool for UAV imagery collected by municipalities and local mapping communities, enabling openly dumped dispersed solid waste monitoring without extensive technical expertise. This approach empowers local practitioners to convert UAV imagery into actionable insights, supporting targeted interventions and improved municipal solid waste management across Sub-Saharan Africa.
• Abstract（参考訳）: サハラ以南のアフリカで急速に都市化される都市ごみの管理は、散在する非公式な投棄と空間モニタリングのための限られた高解像度データセットにより、依然として困難である。 クラウドソーシングされたUAV画像を用いて, 多様な環境状況を含む10カ国29地域を対象に, オープン・アクセス型深層学習モデルを構築した。 画像タイルを手動でアノテートした深層学習モデルは, 全研究領域に散在する散逸した固形廃棄物の検出において, 優れた性能を発揮した。 予測された分布は、局所化したホットスポット(しばしば水道沿いのゴミが洪水や公衆衛生のリスクを悪化させる)から、都市部に散らばったゴミまで、多種多様な蓄積パターンを示している。 廃棄物の蓄積は人口密度と地域インフラアクセスの欠如の指標と強く結びついているが, 広域開発対策との関係は弱く, 局所的廃棄物動態を理解する上での大規模データの重要性が浮き彫りになっている。 このモデルを公開することにより,自治体や地域地図作成コミュニティが収集したUAV画像の活用可能なツールを提供する。 このアプローチにより、地域の実践者は、UAVイメージを実用的な洞察に転換し、標的とした介入を支援し、サハラ以南のアフリカにおける都市ごみ管理を改善することができる。

関連論文リスト

• AI-based Waste Mapping for Addressing Climate-Exacerbated Flood Risk [35.39124330470992]
  本研究では,タンザニアのダルエスサラームにAIを活用した都市ごみマッピングワークフローを導入する。 提案手法は, 非公式な居住環境と社会経済的要因に関連する空間的廃棄物パターンを明らかにする。 結果は, 都市計画, 気候適応, 持続的な廃棄物管理に有効である。
  論文  参考訳（メタデータ） (2026-04-20T12:12:16Z)
• Data Augmentation and Resolution Enhancement using GANs and Diffusion Models for Tree Segmentation [49.13393683126712]
  都市森林は、環境の質を高め、都市における生物多様性を支援する上で重要な役割を担っている。 複雑な地形と異なる衛星センサーやUAV飛行高度による画像解像度の変化により、正確に木を検知することは困難である。 低解像度空中画像の品質を高めるため,GANと拡散モデルとドメイン適応を統合した新しいパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-05-21T03:57:10Z)
• Region-aware Distribution Contrast: A Novel Approach to Multi-Task Partially Supervised Learning [50.88504784466931]
  マルチタスク密度予測にはセマンティックセグメンテーション、深さ推定、表面正規推定が含まれる。 既存のソリューションは通常、グローバルなクロスタスク画像マッチングのためのグローバルなイメージ表現の学習に依存している。 本提案では,ガウス分布を用いた地域表現をモデル化する。
  論文  参考訳（メタデータ） (2024-03-15T12:41:30Z)
• Solid Waste Detection, Monitoring and Mapping in Remote Sensing Images: A Survey [0.8499685241219366]
  不適切に管理された埋立地は、浸透雨水を介して土壌と地下水を汚染し、動物と人間の両方に脅威を与える。 現場検査のような伝統的な埋立地識別アプローチは、時間と費用がかかる。 地球観測衛星(EO)は、センサーと撮像機能を備えた衛星で、数十年にわたって高解像度のデータを提供してきた。
  論文  参考訳（メタデータ） (2024-02-14T10:24:04Z)
• $CrowdDiff$: Multi-hypothesis Crowd Density Estimation using Diffusion Models [26.55769846846542]
  群集カウントは群集分析の基本的な問題であり、群集密度マップを推定し、群集密度値の和を和らげることが典型的である。 逆拡散過程として群衆密度マップを生成するCrowdDiff$を提示する。 また,拡散モデルの性質から,数量化性能を向上させるため,複数の密度マップを作成することを提案する。
  論文  参考訳（メタデータ） (2023-03-22T17:58:01Z)
• BEV-Net: Assessing Social Distancing Compliance by Joint People Localization and Geometric Reasoning [77.08836528980248]
  新型コロナウイルス(COVID-19)の感染拡大を受け、公衆衛生に不可欠なソーシャルディスタンシング(ソーシャルディスタンシング)が注目されている。 本研究では,広視野カメラを用いた公共空間における視覚的ソーシャル・ディスタンシング・コンプライアンス・アセスメントの課題について考察する。 鳥眼ビュー(BEV)下での注釈付き群集シーンのデータセットと距離測定のための地上真実を紹介する。 マルチブランチネットワークであるBEV-Netは、世界座標における個人をローカライズし、ソーシャルディスタンシングに違反する高リスク領域を特定するために提案されている。
  論文  参考訳（メタデータ） (2021-10-10T23:56:37Z)
• Population Mapping in Informal Settlements with High-Resolution Satellite Imagery and Equitable Ground-Truth [1.4414055798999759]
  低所得都市部における密集集落の人口推定のための一般化可能な枠組みを提案する。 我々は,地域コミュニティと連携して収集される等質な地平データを用いている。 本研究では,フレキシブルでカスタマイズ可能な空間分解能を実現するグリッド型人口推定モデルを提案する。
  論文  参考訳（メタデータ） (2020-09-17T16:37:32Z)

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。