Semantic segmentation of longitudinal thermal images for identification of hot and cool spots in urban areas

要約

この研究では、都市部のホット スポットとクール スポットを特定するために、近隣スケールで収集された意味的にセグメント化された、縦方向および空間的に豊富な熱画像の分析を示しています。
シンガポール国立大学の教育キャンパスにあるさまざまなタイプの建物の熱画像を収集するために、赤外線観測所が数か月にわたって運用されました。
熱画像データセットのサブセットを使用して最先端の深層学習モデルをトレーニングし、建物、植生、空、道路などのさまざまな都市の特徴をセグメント化しました。
「resnet34」CNN バックボーンを備えた U-Net セグメンテーション モデルは、DeepLabV3、DeeplabV3+、FPN、PSPnet などの他のモデルと比較して、テスト データセットで 0.99 という最も高い mIoU スコアを持っていることが観察されました。
次に、セグメンテーション モデルを使用して生成されたマスクを使用して、熱画像から温度を抽出し、さまざまな都市の特徴の放射率の違いを補正しました。
さらに、予測セグメンテーション マスクを使用して抽出された温度のさまざまな統計的測定は、グラウンド トゥルース マスクを使用して抽出された温度と厳密に一致することが示されています。
最後に、マスクを使用して、さまざまな時点で都市の特徴におけるホットスポットとクールスポットを特定しました。
これは、熱画像の自動分析を実証する数少ない研究の 1 つであり、都市計画者が都市ヒート アイランド (UHI) の影響を軽減し、建物のエネルギー効率を改善し、屋外の温熱快適性を最大化するための緩和戦略を考案する際に役立つ可能性があります。
。

要約(オリジナル)

This work presents the analysis of semantically segmented, longitudinally, and spatially rich thermal images collected at the neighborhood scale to identify hot and cool spots in urban areas. An infrared observatory was operated over a few months to collect thermal images of different types of buildings on the educational campus of the National University of Singapore. A subset of the thermal image dataset was used to train state-of-the-art deep learning models to segment various urban features such as buildings, vegetation, sky, and roads. It was observed that the U-Net segmentation model with `resnet34′ CNN backbone has the highest mIoU score of 0.99 on the test dataset, compared to other models such as DeepLabV3, DeeplabV3+, FPN, and PSPnet. The masks generated using the segmentation models were then used to extract the temperature from thermal images and correct for differences in the emissivity of various urban features. Further, various statistical measure of the temperature extracted using the predicted segmentation masks is shown to closely match the temperature extracted using the ground truth masks. Finally, the masks were used to identify hot and cool spots in the urban feature at various instances of time. This forms one of the very few studies demonstrating the automated analysis of thermal images, which can be of potential use to urban planners for devising mitigation strategies for reducing the urban heat island (UHI) effect, improving building energy efficiency, and maximizing outdoor thermal comfort.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google