面向地球观测与机器学习的交互式校园地图多层次人类在回路方法
计算机视觉与模式识别
2025-11-03 v1
摘要
本文提出一种多层次的人类在回路(human-in-the-loop)框架，用于交互式校园地图制图，以提高教育设施记录的准确性和完整性，尤其是在教育数据稀缺且更新不及时的发展地区。第一层涉及基于人口密度、土地覆盖和现有基础设施与已知校舍位置的机器学习分析。第一层识别潜在的差距和"标记错误"的校舍。在后续层次中，利用中分辨率卫星影像(Sentinel-2)筛选出高概率存在校舍的区域，随后应用高分辨率影像和深度学习模型生成校舍的详细候选位置。后来因改进不显著，中分辨率方法被移除。中分辨率和高分辨率模型基于全球预训练步骤以提高泛化能力。本方案的关键组件是交互式界面，允许人类操作员迭代审查、验证和细化地图结果。初步评估表明，多层次策略为教育基础设施地图制绘提供了可扩展且具成本效益的解决方案，以支持规划和资源分配。
引用
@article{arxiv.2510.27460,
title = {A Multi-tiered Human-in-the-loop Approach for Interactive School Mapping Using Earth Observation and Machine Learning},
author = {Casper Fibaek and Abi Riley and Kelsey Doerksen and Do-Hyung Kim and Rochelle Schneider},
journal= {arXiv preprint arXiv:2510.27460},
year = {2025}
}