贫民窟分割与变化检测：一种深度学习方法
计算机视觉与模式识别
2018-11-21 v1 机器学习
机器学习
摘要
全球有超过十亿人生活在贫民窟中。在一些发展中国家，贫民窟居民占人口的一半以上，且缺乏可靠的卫生服务、清洁水、电力及其他基本服务。因此，贫民窟改造与改善是一项重要的全球挑战，已投入大量精力与资源。这些举措严重依赖贫民窟制图与监测，必须具备稳健高效的方法来制图和监测现有贫民窟聚落。本工作中，我们提出一种从卫星影像中分割和制图单个贫民窟的方法，利用区域卷积神经网络通过迁移学习进行实例分割。此外，我们还提出一种执行变化检测并监测贫民窟随时间变化的方法。我们表明，该方法有效学习了贫民窟的形状与外观，并展现出强劲的定量结果，最高 AP 达到 80.0。
引用
@article{arxiv.1811.07896,
title = {Slum Segmentation and Change Detection : A Deep Learning Approach},
author = {Shishira R Maiya and Sudharshan Chandra Babu},
journal= {arXiv preprint arXiv:1811.07896},
year = {2018}
}
备注
Presented at NIPS 2018 Workshop on Machine Learning for the Developing World