Mesh-Wise Prediction of Demographic Composition from Satellite Images Using Multi-Head Convolutional Neural Network

要約

人口の高齢化は、特定の国における最も深刻な問題の 1 つです。
対策を講じるには、その急速な進展をきめ細かく理解することが急務です。
しかし、財政的、人的資源の制約により、詳細かつ厳密な調査を高頻度で実施することは不可能である。
現在、深層学習は、リモート センシングへの応用により、かなりの精度でパターン認識を行うために普及しています。
この論文は、Landsat-8/OLI と Suomi NPP からの衛星画像を使用して、世界で最も高齢化が進んでいる国の 1 つである日本の人口統計をメッシュごとに推定するための、事前トレーニングされた ResNet50 からの転移学習を備えたマルチヘッド畳み込みニューラル ネットワーク モデルを提案します。
/VIIRS-DNS を入力として、国勢調査の人口統計をラベルとして使用します。
トレーニングされたモデルは、すべての人口構成グループに対して $\text{R}^2$ で少なくとも 0.8914 のテスト スコアを持つテスト データセットに対して実行され、推定人口構成が生成され、2022 年の非国勢調査として視覚化されました。
年。

要約(オリジナル)

Population aging is one of the most serious problems in certain countries. In order to implement its countermeasures, understanding its rapid progress is of urgency with a granular resolution. However, a detailed and rigorous survey with high frequency is not feasible due to the constraints of financial and human resources. Nowadays, Deep Learning is prevalent for pattern recognition with significant accuracy, with its application to remote sensing. This paper proposes a multi-head Convolutional Neural Network model with transfer learning from pre-trained ResNet50 for estimating mesh-wise demographics of Japan as one of the most aged countries in the world, with satellite images from Landsat-8/OLI and Suomi NPP/VIIRS-DNS as inputs and census demographics as labels. The trained model was performed on a testing dataset with a test score of at least 0.8914 in $\text{R}^2$ for all the demographic composition groups, and the estimated demographic composition was generated and visualised for 2022 as a non-census year.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google