SpaceNet多时相城市发展挑战赛
计算机视觉与模式识别
2021-05-24 v2
摘要
建筑足迹为众多人道主义应用提供了有用的代理指标。例如，建筑足迹有助于高保真人口估计，而量化人口统计对约1/4的联合国可持续发展目标指标至关重要。本文中，我们（SpaceNet合作方）讨论了通过SpaceNet多时相城市发展挑战赛（亦称SpaceNet 7）开发精确建筑足迹定位、追踪和变化检测技术的努力。在该NeurIPS 2020竞赛中，参与者被要求识别并追踪快速城市化区域卫星影像时间序列中的建筑。竞赛围绕Planet Labs分辨率4m的卫星影像镶嵌图全新开源数据集展开，包含覆盖约100个独特地理区域的24幅影像（每月一幅）。在此分辨率下追踪单体建筑颇具挑战，但获胜参与者利用新开发的SpaceNet变化与目标追踪(SCOT)度量展现了令人印象深刻的性能。本文详述了前5名获胜方案，以及得出若干有趣轶事（如性能随纬度下降）的结果分析。
引用
@article{arxiv.2102.11958,
title = {The SpaceNet Multi-Temporal Urban Development Challenge},
author = {Adam Van Etten and Daniel Hogan},
journal= {arXiv preprint arXiv:2102.11958},
year = {2021}
}
备注
13 pages, 11 figures. To appear in PMLR Post Proceedings for the Competition Track at NeurIPS 2020. arXiv admin note: text overlap with arXiv:2102.04420