Apr, 2024

IITP-VDLand：Decentraland 地块的综合数据集

PDF
TL;DRIITP-VDLand 数据集来源于各个平台，包含了 Decentraland 虚拟空间内土地属性、交易历史、活动记录、社交媒体互动等丰富的属性。在该数据集上进行价格预测模型的性能评估显示，集成模型在预测土地价格方面表现更好，相关属性包括坐标、地理接近度、稀有度分数和其他经济指标。
发现论文，激发创造
  • Paris-Lille-3D：大规模高质量城市点云数据集，用于自动分割和分类

    本文介绍了一种基于移动激光扫描技术获得的城市点云自动分割和分类新数据集，可用于深度学习方法的训练。

    Nov, 2017

  • 使用航空或卫星图像估算泰国资产价值

    研究提出了一种基于相似度的资产估值模型，利用预先训练的 EfficientNet 神经网络结合深度学习和基于树的模型来评估地块相似性，从而提高泰国国内房地产估价方法的准确性和可靠性。

    May, 2023

  • 地理空间差异：巴黎房地产价格案例研究

    通过提出一个工具包，我们着重强调了在预测模型中识别和纠正偏见和校准错误的关键需求，特别是当算法变得更加复杂和难以解释的情况下，以解决由地理信息引起的偏见问题。我们使用巴黎房地产数据集来说明我们的方法，并审查选择地理聚合水平对公平性和校准度量的影响。

    Jan, 2024

  • Google Landmarks 数据集 v2 -- 一个用于实例级别识别和检索的大规模基准测试

    本文介绍了 Google Landmarks Dataset v2 (GLDv2)，它是迄今为止最大的数据集，在人工制造和自然地标的领域内进行了大规模的、细粒度的实例识别和图像检索，并具有极长的类分布、大量的测试相片以及大内部类的变异性等具有挑战性的特性。

    Apr, 2020

  • 使用概率分解进行细粒度财产价值评估

    本研究提出了一种从遥感图像中估计像素级物业价值分布的方法，并在实际数据集上进行了评估，结果显示该方法可以显著提高物业价值的精细估计水平。

    May, 2023

  • 斯坦福无人机数据集比我们想象的更复杂：关键特征分析

    研究论文通过分析 Stanford Drone Dataset 的关键特征，使用信息理论方法并实施编码器来展示这些特征对预测性能的影响，并提供 SDD 和 inD 数据集的比较，为使用 SDD 的人提供信息源，以增加方法的性能和可再现性。

    Mar, 2022

  • VDD：用于语义分割的多样化无人机数据集

    本研究提出了用于语义分割的无人机图像数据集，其中包含种类丰富、规模大、清晰度高的无人机图像，同时提出并测试了一种新的 DeepLabT 模型，该模型基于 CNN 和 Transformer 架构，在 VDD 数据集上具有很好的性能。

    May, 2023

  • EuroSAT：一个用于土地利用和覆盖分类的新数据集和深度学习基准

    本文介绍一种针对 Sentinel-2 卫星图像进行土地利用和土地覆盖分类的方法，提供了一个包含 13 个光谱波段及 10 类共 27,000 个标记和地理参考图像的新数据集，并使用最先进的深度卷积神经网络提供了基准测试。通过这一分类系统，可以用于检测土地利用和土地覆盖的变化，并帮助改进地理地图。

    Aug, 2017

  • 生成土地覆盖分类训练数据集以推进全球发展

    使用 Sentinel-2 卫星数据和 Random Forests 算法的语义分割技术可用于高精度地图绘制，为农业和经济发展提供一种可行技术。

    Nov, 2018

  • 面向城市尺度三维点云的语义分割：数据集、基准和挑战

    本文介绍了一个由三个英国城市中 7.6 平方公里的城市景观组成的大规模城市照相测量点云数据集，其中每个 3D 点都被标记为 13 个语义类别之一，并通过基于现有算法的综合分析来识别了几个关键问题。

    Sep, 2020