文献

J-GLOBAL ID：202202294964336749   整理番号：22A0203835

衛星画像によるCemetery観測モデルのためのGraveサイトを数えるための学習【JST・京大機械翻訳】

Learning to Count Grave Sites for Cemetery Observation Models With Satellite Imagery

著者 (6件)： Lunga Dalton (Oak Ridge National Laboratory, Oak Ridge, TN, USA) ,  Dhamdhere Rohan (Oak Ridge National Laboratory, Oak Ridge, TN, USA) ,  Walters Sarah (Oak Ridge National Laboratory, Oak Ridge, TN, USA) ,  Bragg Lauryn (Oak Ridge National Laboratory, Oak Ridge, TN, USA) ,  Makkar Nikhil (Oak Ridge National Laboratory, Oak Ridge, TN, USA) ,  Urban Marie (Oak Ridge National Laboratory, Oak Ridge, TN, USA)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.3000405.1-5  発行年： 2022年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 人々がオープンスペースをどのように占有するかを理解することは,人口モデリング,政策,国家セキュリティ,緊急応答,および持続可能性のサポートにおける研究にとって重要である。過去10年間,建築レベルでの人口動態と生活様式を捉え,報告するための研究が増加しており,また,ceや公園のような公開公共空間がいくつかある。これは,夜間,日,およびエピソード人口占有率推定(people/1000sqft)を知らせるために,様々な時空間尺度で取得した地域社会文化的情報から開発した観測モデルを通して行った。測候所と公園の社会文化情報はほとんど入手できず,しばしば手動で収集されている。プロセスは,不一致によってマーレッドされるだけでなく,労力と時間がかかる。本研究では,集団観測モデルに必要なスケーラブルで正確な社会文化的データをサポートするための代理変数としての悪い地数を導出するために,畳み込みニューラルネットワーク(CNN)と衛星画像を利用した。ハイブリッドワークフロー(弱い局所化+回帰モデル)を通して,著者らは,大スケール自動化プロセスを特性化し,悪い地を計数した。著者らは,データ外集合大規模衛星画像を用いて,提案したワークフローの有効性を評価し,実証し,測定観測モデルに対するより広い影響を確立した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 自動化 ,  地域社会 ,  測候所 ,  ライフスタイル ,  *衛星利用画像 ,  回帰モデル ,  キャラクタリゼーション ,  有効性 ,  緊急対策 ,  占有率 ,  セキュリティ ,  ワークフロー
準シソーラス用語： 持続可能性 ,  公共空間 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 衛星画像 ,  観測モデル ,  学習