中国建筑楼面空间：一个数据集与学习流程
计算机视觉与模式识别
2023-06-08 v2 人工智能
综合经济学
经济学
摘要
本文为测量中国40个主要城市的建筑楼面空间（即建筑足迹与高度）提供了首个里程碑。其意图是最大化城市覆盖并最终提供纵向数据。这样做需要基于中等细粒度的影像，因为更大城市横截面及其更长时间序列仅以此类格式可用。我们采用多任务目标分割器方法，在同一框架中并行学习建筑足迹与高度：（1）我们确定被任何建筑覆盖的表面积（占用地面的平方英尺数）；（2）我们通过建筑多角度的多图像表示确定楼面空间以得出建筑高度。我们使用Sentinel-1与Sentinel-2卫星影像作为主要数据源。这些数据的优势在于其大横截面与纵向范围以及无限制的可访问性。我们详细描述了数据、算法与评估。此外，我们分析了参考数据的质量及其在以最小误差测量建筑楼面空间中的作用。我们以深圳为案例，使用我们的多任务学习器进行了广泛的定量与定性分析。最后，我们在像素与聚合城市区域两个层面上将结果与夜间灯光数据进行相关性研究，以评估本方法在研究城市发展中的价值。我们的数据与代码库公开于 https://gitlab.ethz.ch/raox/urban-satellite-public-v2。
引用
@article{arxiv.2303.02230,
title = {Building Floorspace in China: A Dataset and Learning Pipeline},
author = {Peter Egger and Susie Xi Rao and Sebastiano Papini},
journal= {arXiv preprint arXiv:2303.02230},
year = {2023}
}