Tracking the industrial growth of modern China with high-resolution panchromatic imagery: A sequential convolutional approach

要約

アクセスできない地域の開発に関するデータを入手するのは不十分または困難であるため、リモートセンシングデータは、関心のある利害関係者が経済成長に関する情報を収集するための重要なツールです。
今日まで、深層学習を利用して個々のサイトのレベルで産業の成長を推定した研究はありません。
この研究では、高解像度のパンクロマティック画像を利用して、多層コンピューター ビジョン フレームワークを使用して、中華人民共和国の 419 の工業用地で経時的な開発を推定します。
(1) マスク R-CNN セグメンテーション アルゴリズムを介して推定された構造領域のカバレッジ、および (2) 可視赤外線イメージング ラジオメーター スイート (VIIRS) からの可視および赤外線放射輝度を使用して開発を直接推定します。
これらの方法から生成されたラベルは、比較評価およびテストされます。
19 年間にわたる 2,078 個の解像度 50 cm の画像のデータセットでは、(a) 工業開発の総平方メートル (平均誤差 0.021 $\
textrm{km}^2$)、および (b) 光の放射輝度 (平均誤差 9.8 $\mathrm{\frac{nW}{cm^{2}sr}}$)。
技術の傾向分析により、Mask R-CNN ラベルの付いた CNN-LSTM 追跡グラウンド トゥルース測定値からの推定値が明らかになります。
Mask R-CNN は、最も古い画像から最新の画像まで、すべてのサイトで正の成長を推定しており、平均変化は 4,084 $\textrm{m}^2$ です。

要約(オリジナル)

Due to insufficient or difficult to obtain data on development in inaccessible regions, remote sensing data is an important tool for interested stakeholders to collect information on economic growth. To date, no studies have utilized deep learning to estimate industrial growth at the level of individual sites. In this study, we harness high-resolution panchromatic imagery to estimate development over time at 419 industrial sites in the People’s Republic of China using a multi-tier computer vision framework. We present two methods for approximating development: (1) structural area coverage estimated through a Mask R-CNN segmentation algorithm, and (2) imputing development directly with visible & infrared radiance from the Visible Infrared Imaging Radiometer Suite (VIIRS). Labels generated from these methods are comparatively evaluated and tested. On a dataset of 2,078 50 cm resolution images spanning 19 years, the results indicate that two dimensions of industrial development can be estimated using high-resolution daytime imagery, including (a) the total square meters of industrial development (average error of 0.021 $\textrm{km}^2$), and (b) the radiance of lights (average error of 9.8 $\mathrm{\frac{nW}{cm^{2}sr}}$). Trend analysis of the techniques reveal estimates from a Mask R-CNN-labeled CNN-LSTM track ground truth measurements most closely. The Mask R-CNN estimates positive growth at every site from the oldest image to the most recent, with an average change of 4,084 $\textrm{m}^2$.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google