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

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

青岛的“真正市区”究竟有多大?大数据得出的结论让人吃惊!

依然是来自青岛君的碎碎念—— 数据,往往是戳破一切谎言、吹嘘和自我营造幻觉的利器,有时,还能提前洞悉趋势 印象比较深刻的是2016年春天,受《华夏时报》发表的那篇“青岛楼市库存18万套全国第一”的影响,当时的市长在全国两会上,面对追问的记者不得不对青岛楼市状况进行了回应。 也就是在市长回应之后没几天,记得当时滴滴发布的全国主要城市出行大数据中,顺便提了这么一句——根据滴滴出行的数据统计,青岛市民近期打车最爱去的地方比较特别——售楼处。 后来,关于青岛房价的故事,你也知道了。 今年第四季度,滴滴出行发布的一组

07

蓝桥杯C/C++省赛:大臣的旅费

很久以前,T王国空前繁荣。为了更好地管理国家,王国修建了大量的快速路,用于连接首都和王国内的各大城市。 为节省经费,T国的大臣们经过思考,制定了一套优秀的修建方案,使得任何一个大城市都能从首都直接或者通过其他大城市间接到达。同时,如果不重复经过大城市,从首都到达每个大城市的方案都是唯一的。 J是T国重要大臣,他巡查于各大城市之间,体察民情。所以,从一个城市马不停蹄地到另一个城市成了J最常做的事情。他有一个钱袋,用于存放往来城市间的路费。 聪明的J发现,如果不在某个城市停下来修整,在连续行进过程中,他所花的路费与他已走过的距离有关,在走第x千米到第x+1千米这一千米中(x是整数),他花费的路费是x+10这么多。也就是说走1千米花费11,走2千米要花费23。 J大臣想知道:他从某一个城市出发,中间不休息,到达另一个城市,所有可能花费的路费中最多是多少呢? 输入格式: 输入的第一行包含一个整数n,表示包括首都在内的T王国的城市数 城市从1开始依次编号,1号城市为首都。 接下来n-1行,描述T国的高速路(T国的高速路一定是n-1条) 每行三个整数Pi, Qi, Di,表示城市Pi和城市Qi之间有一条高速路,长度为Di千米。 输出格式: 输出一个整数,表示大臣J最多花费的路费是多少。

02
领券