通过自动化基站塔检测赋能决策支持系统
计算机视觉与模式识别
2023-11-15 v1 人工智能
摘要
在撒哈拉以南非洲的农村地区，手机覆盖与高速服务缺口持续存在，影响公众获取基于移动端的金融、教育和人道主义服务。改进电信基础设施地图有助于制定消除移动覆盖缺口的策略。深度神经网络结合遥感图像可用于基站塔的目标检测，并免去在大地理区域内进行低效繁重的人工制图搜索目标之需。在本研究中，我们展示了一个部分自动化工作流，利用 OpenStreetMap（OSM）要素与高分辨率 Maxar 影像训练目标检测模型以定位基站塔。为模型微调与评估，我们使用 OSM 点自动生成的标注，策划了涵盖东、南、中非洲 26 个国家超过 6,000 张基站塔独特图像的多样化数据集。我们的模型在 50% 交并比（IoU）下的平均精度（AP@50）达到 81.2，在不同地理区域与样本外测试中均表现良好。基站塔的准确定位可生成更精确的蜂窝覆盖地图，进而改善面向决策支持应用的数字服务交付。
引用
@article{arxiv.2311.07840,
title = {Enabling Decision-Support Systems through Automated Cell Tower Detection},
author = {Natasha Krell and Will Gleave and Daniel Nakada and Justin Downes and Amanda Willet and Matthew Baran},
journal= {arXiv preprint arXiv:2311.07840},
year = {2023}
}