首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

多所“双非”跻身软科高校排名百强,特斯拉上海工厂复工在即,余承东嫌汽车芯片单价太贵,今日更多大新闻在此

日报君 发自 凹非寺 量子位 | 公众号 QbitAI 大噶好,今天是4月19日星期二,科技圈发生了哪些新鲜事? 日报君在此为您奉上~ 特斯拉上海工厂已有员工报到,开始闭环生产 据上观新闻无人机拍摄画面,特斯拉上海工厂内部已有拖着行李的员工报到,同时还有几位员工正在移动特斯拉Model 3的车架,少量车辆在厂区内行进。 市场消息称,特斯拉上海工厂将从周一开始闭环生产,员工之后吃住将全部在工厂内解决,并定期进行核酸检测。 最新公布的上海首批666家复工复产重点企业名单显示,特斯拉上海工厂位列其中,并被列为

03

通过卫星和街道图像进行多模式深度学习,以测量城市地区的收入,拥挤度和环境匮乏

摘要:以大规模和低成本收集的数据(例如卫星和街道图像)有可能显着提高分辨率,空间覆盖率和测量城市不平等现象的时间频率。对于给定的地理区域,通常可以使用来自不同来源的多种类型的数据。然而,由于联合使用方法上的困难,大多数研究在进行测量时都使用单一类型的输入数据。我们提出了两种基于深度学习的方法,以结合利用卫星图像和街道图像来测量城市不平等现象。我们以伦敦为例,对三项选定的产出进行了案例研究,每项产出均按十分位类别衡量:收入,人满为患和环境剥夺。我们使用平均绝对误差(MAE)将我们提出的多峰模型与相应的单峰模型的性能进行比较。首先,将卫星图块附加到街道级别的图像上,以增强对可获得街道图像的位置的预测,从而将精确度提高20%,10%和9%,以收入,人满为患和居住环境的十分位数为单位。据我们所知,第二种方法是新颖的,它使用U-Net体系结构以高空间分辨率(例如,在我们的实验中为伦敦的3 m×3 m像素)对城市中的所有网格单元进行预测。它可以利用全市范围内的卫星图像可用性,以及从可用的街道级别图像中获得的稀疏信息,从而将准确性提高6%,10%和11%。我们还显示了两种方法的预测图示例,以直观地突出显示性能差异。

04
领券