面向韩国基于深度学习的局地气候分区分类的高质量训练样本构建
计算机视觉与模式识别
2020-12-11 v2 机器学习
图像与视频处理
摘要
据联合国预测，到2050年三分之二的人将居住于城市地区，这凸显了可持续城市发展及监测的必要性。常见城市足迹数据提供高分辨率城市范围，但缺乏关于分布、格局与特征的关键信息。局地气候分区（LCZ）提供了一种高效且标准化的框架，可描绘城市地区的内部结构及特征。全球尺度LCZ制图已被探索，但受限于低精度、标注质量不一或域适应挑战。相反，本研究构建了定制LCZ数据，利用多尺度卷积神经网络绘制韩国主要城市地图。结果表明，相较于基于社区的常规机器学习LCZ制图及全球So2Sat数据集的迁移学习，使用新颖定制LCZ数据与深度学习能生成更精确的LCZ地图结果。
引用
@article{arxiv.2011.01436,
title = {Developing High Quality Training Samples for Deep Learning Based Local Climate Zone Classification in Korea},
author = {Minho Kim and Doyoung Jeong and Hyoungwoo Choi and Yongil Kim},
journal= {arXiv preprint arXiv:2011.01436},
year = {2020}
}
备注
7 pages, 7 figures; AI for Earth Workshop at NeurIPS2020