利用深度卷积神经网络量化城市冠层覆盖
计算机视觉与模式识别
2019-12-05 v1 机器学习
图像与视频处理
摘要
城市冠层覆盖对于缓解气候变化的影响十分重要。然而，现有的城市绿化量化方法要么依赖人工、难以扩展，要么使用不准确的传统计算机视觉方法。我们转而利用自动驾驶汽车所用数据集训练深度卷积神经网络（DCNNs）来估算城市绿化，发现我们的语义分割与直接端到端估算方法更准确且可扩展，将绿视率指数（GVI）指标的估算平均绝对误差从 10.1% 降至 4.67%。借助改进的 DCNN 方法，Treepedia 项目得以扩展并分析了国际上 22 个城市的冠层覆盖，引发了公共政策与研究领域的关注与行动。
引用
@article{arxiv.1912.02109,
title = {Quantifying Urban Canopy Cover with Deep Convolutional Neural Networks},
author = {Bill Cai and Xiaojiang Li and Carlo Ratti},
journal= {arXiv preprint arXiv:1912.02109},
year = {2019}
}
备注
NeurIPS 2019 Workshop on Climate Change AI at Vancouver, British Columbia, Canada. arXiv admin note: text overlap with arXiv:1808.04754