Identifying every building’s function in large-scale urban areas with multi-modality remote-sensing data

要約

建築物は都市環境における基本的な人工構造物であり、さまざまな都市機能ゾーンを理解するための重要な指標となります。
急速な都市化により、建物の設置面積と機能を効率的に調査する緊急の必要性が高まっています。
この研究では、マルチモダリティのリモートセンシング データを使用して大規模都市部のすべての建物の機能を特定するための半教師ありフレームワークを提案しました。
詳細には、光学画像、建物の高さ、夜間照明データが収集され、建物の形態学的属性が記述されます。
次に、ボランティア地理情報 (VGI) データからの関心領域 (AOI) と建物マスクが収集され、まばらにラベル付けされたサンプルが形成されます。
さらに、マルチモダリティ データと弱いラベルは、半教師あり戦略でセグメンテーション モデルをトレーニングするために利用されます。
最終的に、結果は20,000点の検証ポイントと政府からの統計調査報告書によって評価されます。
評価の結果、作成された機能マップは、中国・上海の 1,616,796 棟の建物において 82% の OA と 71% の Kappa を達成していることが明らかになりました。
この研究は、大規模な都市管理と持続可能な都市開発をサポートする可能性を秘めています。
収集されたすべてのデータと作成されたマップは、https://github.com/LiZhuoHong/BuildingMap でオープンアクセスです。

要約(オリジナル)

Buildings, as fundamental man-made structures in urban environments, serve as crucial indicators for understanding various city function zones. Rapid urbanization has raised an urgent need for efficiently surveying building footprints and functions. In this study, we proposed a semi-supervised framework to identify every building’s function in large-scale urban areas with multi-modality remote-sensing data. In detail, optical images, building height, and nighttime-light data are collected to describe the morphological attributes of buildings. Then, the area of interest (AOI) and building masks from the volunteered geographic information (VGI) data are collected to form sparsely labeled samples. Furthermore, the multi-modality data and weak labels are utilized to train a segmentation model with a semi-supervised strategy. Finally, results are evaluated by 20,000 validation points and statistical survey reports from the government. The evaluations reveal that the produced function maps achieve an OA of 82% and Kappa of 71% among 1,616,796 buildings in Shanghai, China. This study has the potential to support large-scale urban management and sustainable urban development. All collected data and produced maps are open access at https://github.com/LiZhuoHong/BuildingMap.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google