論文の概要: OpenPVMapper: A Multi-source, Nationwide Database of Rooftop Photovoltaic Systems in France
- arxiv url: http://arxiv.org/abs/2607.25153v1
- Date: Mon, 27 Jul 2026 23:53:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-29 20:50:42.663784
- Title: OpenPVMapper: A Multi-source, Nationwide Database of Rooftop Photovoltaic Systems in France
- Title（参考訳）: OpenPVMapper: フランスにおけるルーフトップ太陽光発電システムのマルチソース全国データベース
- Authors: Gabiel Kasmi,
- Abstract要約: OpenPVMapper(OpenPVMapper)は、フランス本土の屋上PV施設の複数ソースデータベースである。
データベースには1,135,850のインストールがあり、総インストール容量は約15.01GWpである。
オープンソース(CC-BY)ライセンスで,ビルドに使用される完全なソースコードとともに公開されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Rooftop photovoltaic (PV) systems account for the vast majority of PV grid connections, yet no open, comprehensive, installation-level dataset of these systems exists: public registries aggregate data only above a capacity threshold, and remote sensing-based detection efforts, while extensive, are typically confined to a single method, a limited geographic scope, or a single point in time. We introduce OpenPVMapper, a nationwide, multi-source database of rooftop PV installations in mainland France, built by aggregating and reconciling complementary sources: a deep learning-based detection pipeline deployed on nationwide aerial imagery, OpenStreetMap and a probabilistic building-level detection dataset. The resulting database contains 1,135,850 installations, totaling approximately 15.01~GWp of installed capacity, each documented with its provenance, detection method, and, where available, a manual validation flag. Manual review of a stratified sample of 1,862 installations places the database's overall precision at approximately 74--75\%, with corroboration across independent sources bringing a substantial, quantified precision gain. By aggregating independent sources rather than relying on any single detection method, OpenPVMapper reaches a level of confidence beyond what any one source could provide on its own, while remaining extensible to further sources as they become available. It is released under an open (CC-BY) license alongside the full source code used to build it.
- Abstract（参考訳）: Rooftop Photovoltaic (PV) システムは、PVグリッド接続の大部分を占めるが、オープンで包括的でインストールレベルのデータセットは存在しない: パブリックレジストリは、キャパシティしきい値以上のデータのみを集約し、リモートセンシングによる検出は、広くは1つのメソッド、限られた地理的範囲、または1つの時点に限られる。
フランス本土の屋上PV施設の全国的マルチソースデータベースであるOpenPVMapperを紹介した。これは補完的なソースを集約して調整することで構築されたもので、全国の空中画像に展開されるディープラーニングベースの検出パイプライン、OpenStreetMap、確率的ビルレベルの検出データセットである。
データベースには1,135,850のインストールがあり、合計15.01~GWpのインストール能力があり、それぞれにその証明、検出方法、手動検証フラグが記録されている。
階層化された1,862のインストールを手作業でレビューし、データベース全体の精度を約74-75\%に設定した。
単一の検出方法に頼るのではなく、独立したソースを集約することで、OpenPVMapperは、あるソースが単独で提供できるもの以上の信頼レベルに達すると同時に、利用可能なソースに拡張可能である。
オープンソース(CC-BY)ライセンスで,ビルドに使用される完全なソースコードとともに公開されている。
関連論文リスト
- AI and Open-data Driven Scalable Solar Power Profiling [48.72868465736126]
本稿では、オープンデータからソーラーパネルを検出し、都市レベルのソーラーパワープロファイルを生成するための、オープンでスケーラブルなフレームワークを提案する。
ファンデーションビジョンAIモデルを利用して、オープンソースの衛星画像からソーラーパネルを検出する。
このフレームワークは、プロプライエタリなイメージ、手動ラベリング、クローズドソースモデルへの依存を減らし、ソーラープランニングと分析のための透明でスケーラブルなアプローチを提供する。
論文 参考訳（メタデータ） (2026-05-04T15:37:52Z) - SolarFCD: A Large-Scale Dataset and Benchmark for Solar Fault Classification in Photovoltaic Systems [5.4998857381465465]
SolarFCDを紹介します。これは3つの公開データセットを組み合わせることで生成される、ソーラーパネル欠陥の広範なデータセットです。
データセットは、健全な画像、表面障害物、構造欠陥、電気的欠陥という4つの統一された欠陥クラスの下に配置された4,435の画像で構成されている。
精度は86.68%、精度は88.65%、リコールは88.62%、F1スコアは88.17%であった。
論文 参考訳（メタデータ） (2026-04-26T11:33:07Z) - PIIBench: A Unified Multi-Source Benchmark Corpus for Personally Identifiable Information Detection [0.0]
PIIBenchは、自然言語テキストにおけるPII(Personally Identible Information)検出のための統一されたベンチマークコーパスである。
我々は、合成PIIコーパス、多言語名前付きエンティティ認識(NER)ベンチマーク、ファイナンシャルドメイン注釈テキストにまたがる10の公開データセットを統合する。
アノテーション付き配列2,369,883のコーパスと,48種類の標準PIIエンティティタイプに335万のエンティティが記述されている。
論文 参考訳（メタデータ） (2026-04-17T07:32:46Z) - FactNet: A Billion-Scale Knowledge Graph for Multilingual Factual Grounding [81.2130536158575]
LLMは顕著な流布を示し、その効用は事実の幻覚と追跡可能な証明の欠如によってしばしば損なわれる。
私たちはFactNetを紹介します。FactNetは17億の原子的主張と、316のウィキペディア版から派生した37億の監査可能なエビデンスポインタを統合するために設計された、巨大なオープンソースリソースです。
論文 参考訳（メタデータ） (2026-02-03T11:44:11Z) - A Retrieval-Augmented Generation Approach to Extracting Algorithmic Logic from Neural Networks [48.83701310501069]
NN-RAGは,大規模で異種なPyTorchを検証済みニューラルネットワークの検索可能なライブラリに変換する検索拡張生成システムである。
19のリポジトリに適用して、パイプラインは1,289の候補ブロックを抽出し、991(73.0%)を検証し、80%以上が構造的にユニークであることを実証した。
論文 参考訳（メタデータ） (2025-12-03T23:28:30Z) - Pandar128 dataset for lane line detection [0.30586855806896035]
Pandar128は128ビームのLiDARを使用したレーン線検出のための最大の公開データセットである。
52,000枚以上のカメラフレームと34,000枚のLiDARスキャンが含まれており、ドイツの様々な現実世界で撮影されている。
また,このデータセットを補完するために,車線再建のための軽量ベースライン法であるSimpleLidarLaneを導入する。
論文 参考訳（メタデータ） (2025-11-10T13:18:36Z) - DeepfakeBench-MM: A Comprehensive Benchmark for Multimodal Deepfake Detection [52.13851094326683]
先進的な生成AIモデルの誤用は、偽化データの拡散をもたらした。
Mega-MMDFはマルチモーダルディープフェイク検出のための大規模で多種多様で高品質なデータセットである。
DeepfakeBench-MMは、マルチモーダルディープフェイク検出のための最初の統一ベンチマークである。
論文 参考訳（メタデータ） (2025-10-26T10:40:52Z) - ForensicHub: A Unified Benchmark & Codebase for All-Domain Fake Image Detection and Localization [54.64604722756443]
ForensicHubは、オールドメインの偽画像検出とローカライゼーションのための最初の統一ベンチマークである。
科学的なパイプラインをデータセット、変換、モデル、評価者間で交換可能なコンポーネントに分解する。
FIDLモデルアーキテクチャ、データセットの特徴、評価標準に関する8つの重要な実行可能な洞察を提供する。
論文 参考訳（メタデータ） (2025-05-16T08:49:59Z) - Multi-objective Combinatorial Methodology for Nuclear Reactor Site Assessment: A Case Study for the United States [0.40498500266986387]
高い資本コストは原子力発電所にとって依然として課題である。
ブラウンフィールドのサイトは前もって開発あるいは未使用の土地であり、もう一つの魅力的な代替手段であった。
本研究では,米国における3万件以上のNPPサイトを評価するために,新たな多目的最適化手法を提案する。
論文 参考訳（メタデータ） (2024-12-12T02:24:58Z) - DeepSolar tracker: towards unsupervised assessment with open-source data
of the accuracy of deep learning-based distributed PV mapping [0.0]
既存の作業に基づいて、自動PVレジストリパイプラインを提案します。
このパイプラインは、すべての分散PVインストールの位置、エリア、インストール容量、傾き角を記録するデータセットを自動的に生成する。
本稿では,RNI(Registre national d'installation)に基づく非監督的手法を提案する。
当社のモデルは,50万平方キロメートル以上をカバーしているフランス9カ所のディパートメントにデプロイしています。
論文 参考訳（メタデータ） (2022-07-15T13:23:24Z) - Inferring Latent Domains for Unsupervised Deep Domain Adaptation [54.963823285456925]
Unsupervised Domain Adaptation (UDA)は、ラベル付きデータが利用できないターゲットドメインでモデルを学習する問題を指す。
本稿では,視覚データセット中の潜在ドメインを自動的に発見することにより,udaの問題に対処する新しい深層アーキテクチャを提案する。
提案手法を公開ベンチマークで評価し,最先端のドメイン適応手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-03-25T14:33:33Z)
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。