リモートセンシングとGISのジャーナル

概要

リモートセンシング画像から電気自動車の充電に適した住宅を識別する機械学習分類

ジェームズ・フリン、ジャンネッティ

過去 10 年間で、ディープ畳み込みニューラル ネットワーク (DCNN) は、リモート センシング画像の分類のための強力なツールとして登場しました。この学際的な論文では、電気自動車の充電に適した住宅物件を探すために市街地を調査するワークフローを開発することにより、リモート センシングの分野での機械学習の新しい応用例を示します。微調整転移学習アプローチは、リモート センシング画像データを分析するための新しい方法として提示されています。英国の複数の町や都市から取得した Google ストリート ビュー画像で構成された独自のデータセットを使用して、3 つのニューラル ネットワークを比較できるようにトレーニングし、機械学習を使用して街路景観画像から住宅の私道を分類する最初の試みを表しています。2 つの市街地で完全なワークフローをテストすると、完全なシステムはそれぞれ 87.2% と 89.3% の精度を達成しました。この概念実証は、リモート センシング、地理空間分析、都市計画の分野でのディープ ラーニングの有望な新しい応用例を示しています。