基于深度学习的卫星影像犯罪制图
计算机与社会
2018-12-18 v1
摘要
保障城市安全是发展可持续城市的重要组成部分。城市安全地图可协助城市预防未来犯罪。然而，由于需要人工数据收集，制图在时间和金钱上成本都很高。另一方面，卫星影像正变得日益丰富、易获取且分辨率更高。鉴于深度学习在过去5年在计算机视觉与模式识别领域取得的卓越成功，本文尝试探究利用深度学习直接从原始卫星影像预测犯罪率。为此，我们在由芝加哥警察局收集的超百万条犯罪事件报告获取的卫星图像上训练了一个深度卷积神经网络(Convolutional Neural Network)。性能最佳的模型从原始卫星影像预测犯罪率的准确率达79%。为测试其可复用性，我们使用学习到的芝加哥模型预测丹佛和旧金山的全市尺度犯罪率地图，以三个不同等级指示犯罪率。与相应警察局耗时数年收集数据绘制的地图相比，我们的地图准确率分别为72%和70%。
引用
@article{arxiv.1812.06764,
title = {Crime Mapping from Satellite Imagery via Deep Learning},
author = {Alameen Najjar and Shun'ichi Kaneko and Yoshikazu Miyanaga},
journal= {arXiv preprint arXiv:1812.06764},
year = {2018}
}
备注
Accepted in IEEE WACV 2017