基于低分辨率遥感影像的建筑物覆盖率估计
计算机视觉与模式识别
2023-01-06 v2
摘要
建筑物覆盖率统计为一个地区的城市化、基础设施与贫困水平提供了关键洞察，有助于减贫、建设可持续城市以及配置基础设施投资与公共服务供给等工作。随着深度学习模型被纳入处理流程，全球建筑物制图变得更加高效。然而，这些模型通常依赖高分辨率卫星影像，其采集成本高且更新不频繁。因此，建筑物覆盖率数据未能及时更新，尤其在建成环境快速变化的发展中地区。本文提出一种仅使用公开可用、更新更频繁的低分辨率卫星影像来估计建筑物覆盖率的方法。我们展示了具有多节点分位数回归层能极大提升模型的时空泛化能力。我们的模型在预测全球不同发展水平地区的建筑物覆盖率时，决定系数()高达0.968。我们证明所提模型能从原始输入影像准确预测建筑物覆盖率，并对未见过的国家与大陆具有良好泛化性，暗示仅使用低分辨率遥感数据估计全球建筑物覆盖率的可能性。
引用
@article{arxiv.2301.01449,
title = {Building Coverage Estimation with Low-resolution Remote Sensing Imagery},
author = {Enci Liu and Chenlin Meng and Matthew Kolodner and Eun Jee Sung and Sihang Chen and Marshall Burke and David Lobell and Stefano Ermon},
journal= {arXiv preprint arXiv:2301.01449},
year = {2023}
}