利用深度学习和 Sentinel-2 MSI 与普查数据绘制城市人口增长图：以卢旺达基加利为例
计算机视觉与模式识别
2023-03-16 v1 图像与视频处理
摘要
为更好地理解撒哈拉以南非洲当前城市人口增长趋势，亟需高质量的时空人口估计。尽管遥感与深度学习的联合使用已在人口分布估计中取得可喜成果，但当前多数工作聚焦于由单日期普查得出的精细空间预测，从而忽视了时间分析。本文重点评估深度学习变化检测技术如何在短时间间隔内揭示人口时间动态。由于用于变化检测的后分类比较（PCC）方法会传播各独立地图的误差，我们提出了一种端到端人口增长制图方法。具体而言，将在 Sentinel-2 MSI 数据的人口制图任务上预训练的 ResNet 编码器嵌入孪生网络。该孪生网络在普查层级上训练以准确预测人口变化。所提方法的有效性在卢旺达基加利 2016–2020 年时段利用双时相 Sentinel-2 数据得到验证。与 PCC 相比，孪生网络大幅降低了普查层级人口变化预测的误差。这些结果展示了未来基于遥感的人口增长制图工作的前景。
引用
@article{arxiv.2303.08511,
title = {Mapping Urban Population Growth from Sentinel-2 MSI and Census Data Using Deep Learning: A Case Study in Kigali, Rwanda},
author = {Sebastian Hafner and Stefanos Georganos and Theodomir Mugiraneza and Yifang Ban},
journal= {arXiv preprint arXiv:2303.08511},
year = {2023}
}
备注
4 pages, 5 figures, accepted for publication in the JURSE 2023 Proceedings