衛星画像上の深層移動学習は発展途上国における大気質推定を改善する【JST・京大機械翻訳】

Yadav Nishant; Sorek-Hamer Meytar; Von Pohle Michael; Asanjan Ata Akbari; Sahasrabhojanee Adwait; Suel Esra; Arku Raphael; Lingenfelter Violet; Brauer Michael; Ezzati Majid; Oza Nikunj; Ganguly Auroop R.

プレプリント

J-GLOBAL ID：202202203035614500 整理番号：22P0291502

衛星画像上の深層移動学習は発展途上国における大気質推定を改善する【JST・京大機械翻訳】

Deep Transfer Learning on Satellite Imagery Improves Air Quality Estimates in Developing Nations

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (12件)： , , , , , , , , , , ,
資料名：
発行年： 2022年02月17日プレプリントサーバーでの情報更新日： 2022年02月17日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

都市大気汚染は,低所得国(LMICs)における公衆衛生課題である。しかし,LMICは適切な大気質(AQ)モニタリングインフラストラクチャを欠いている。持続的挑戦は,緊急準備とリスク軽減を妨げるLMIC都市で正確にAQを推定することができない。衛星画像をAQに写像する深層学習ベースモデルは,適切な地上データを有する高所得国(HICs)のために構築できる。ここでは,AQに対する衛星画像上で深層転送学習を適応させるスケーラブルな手法が,HIC都市で学習された時空間パターンに基づくLMIC都市における有意義な推定と洞察を抽出できることを示した。2つのUS都市,特にLos Angelesとニューヨークから学んだAQパターンで,アフリカ,ガーナのAccraでこの手法を実証した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

人工知能 , 写真測量,空中写真 , 粒状物調査測定

, , , , ,

前のページに戻る