Jun, 2021

利用中分辨率卫星图像绘制贫民窟地图：多光谱数据和灰度共生矩阵技术的比较分析

HTML
PDF
TL;DR使用最新的机器学习技术和公开卫星图像，本研究证明了基于灰度共生矩阵特征提取技术来检测贫民窟的有效性和高精度性。
发现论文，激发创造
  • 利用卷积网络和卫星图像在大范围内识别城市环境模式

    利用遥感技术和深度卷积神经网络，分析大规模卫星图像数据中的城市土地利用模式，并提供数据集以供遥感应用的机器学习研究人员使用。

    Apr, 2017

  • 全球卫星图像建筑物检测

    利用遥感技术的建筑物检测创建人口密度地图，包括数据采集、半监督方法等解决策略。

    Jul, 2017

  • 贫民窟分割和变化检测：深度学习方法

    本篇论文介绍了一种利用卫星图像进行贫民窟地图绘制和监测的方法，通过区域卷积神经网络进行实例分割，并引入一种检测贫民窟变化的方法。我们的方法显示出有效地学习贫民窟形状和外观的能力，并获得了AP 80.0的强大定量结果。

    Nov, 2018

  • 利用机器学习和低分辨率多光谱数据绘制发展中国家的非正式定居点图

    该研究提出了一种新的机器学习数据集，可以用于检测非正式聚居地，同时表明使用免费的低分辨率卫星图像进行非正式聚居地侦测是可行的，并演示了两种有效的分类方案，可将这些方案集成到半自动化流水线中。

    Jan, 2019

  • 利用高分辨率卫星图像和公平的现实数据对非正规定居点进行人口地图绘制

    本论文提出了一种通用框架，利用高分辨率卫星图像对低收入城区中密集型非正式定居点——所谓的“贫民窟”——的人口进行估算，并借助本地社区的合作来获得公正的基础数据，以让机器学习应用更加包容、公平和具有问责性。

    Sep, 2020

  • 基于协变量重要性采样的卫星图像大规模目标计数

    通过对高分辨率卫星图像进行目标检测并对样本进行抽样估计，使用重要性采样方法准确估算目标数量，达到优秀的性能表现。

    Dec, 2021

  • 遥感中的图像融合：概述与元分析

    影像融合在遥感中是一个重要需求，本研究通过简单分类法对相关作品进行综述，涵盖了各种类型的影像融合及其应用，同时提出了开放性研究方向和未来可能的工作。

    Jan, 2024

  • 高分辨率遥感卫星图像中稀有目标检测的引导方法

    本文提出了一种解决罕见物体检测任务的方法，通过离线和在线聚类方法，显著提高样本曝光效率并实现有效的机器学习地图绘制。以肯尼亚和坦桑尼亚的塞伦盖蒂玛拉地区的bomas检测为例，实验证明了检测效率的显著提升，预算为300个样本总数时的boma检测任务的F1分数为0.51。

    Mar, 2024

  • 遥感图像中贫民窟映射的深度学习：元分析与综述

    研究以2014年至2024年间的遥感影像为基础的贫民窟绘图，重点关注深度学习方法，展示了越来越复杂的神经网络结构、数据预处理和模型训练技术的进步，以显著提高贫民窟识别精确度，评估了在全球不同地理环境中有效的关键方法，并提出了克服数据限制和模型解释性不足等挑战的潜在策略。

    Jun, 2024

  • 由卫星影像生成道路网络以获取贫困地区的社会经济洞察

    通过结合编码-解码架构和卫星图像的形态学运算，我们开发了一个系统的道路提取框架，为跨学科研究人员提供了一种集成的工作流。在贫困地区的实际数据上进行的道路网络提取的大量实验证明，相比于基准方法，F1得分提高了42.7％，重建了大约80％的实际道路。我们还提出了一个全面的道路网络数据集，涵盖了中国382个贫困县约794,178平方公里的面积和17.048万人口，利用这个生成的数据集进行了贫困县的社会经济分析，结果显示道路网络建设对地区经济发展有积极影响。

    Jun, 2024