Volver arriba
Compartir

Identificación automática mejorada de áreas verdes comunitarias urbanas basada en segmentación semántica

Año: 2022 | Colección: Investigación | Categoría:
5 lecturas

[featured_image]

A escala de barrio, reconocer las áreas verdes comunitarias urbanas (urban community green space, UCGS) es importante para la evaluación de las condiciones de vida residencial y la planificación urbana. Sin embargo, los estudios actuales han incorporado dos cuestiones clave. En primer lugar, los estudios existentes se han centrado en grandes escalas geográficas, mezclando áreas urbanas y rurales, descuidando la precisión de los contornos de las áreas verdes en escalas geográficas finas. En segundo lugar, las áreas verdes cubiertas por sombras a menudo sufren una mala clasificación.

Para abordar estos problemas, se creó un conjunto de datos de áreas verde comunitaria urbana (UCGS) a escala de barrio y se propuso un decodificador de segmentación para la red troncal de HRNet con dos decodificadores auxiliares. El modelo propuesto agrega dos ramas adicionales a las representaciones de baja resolución para mejorar su capacidad de discriminación, mejorando así el rendimiento general cuando se fusionan las representaciones de alta y baja resolución. Para evaluar el rendimiento del modelo, se probó en un conjunto de datos que incluye imágenes satelitales de Shanghái, China.

El modelo superó a los otros nueve modelos en la extracción de UCGS, con una precisión de 83,01, recuperación de 85,69, IoU de 72,91, puntuación F1 de 84,33 y OA de 89,31. Este modelo también mejoró la integridad de la identificación de las áreas verdes sombreadas sobre HRNetV2. El método propuesto podría ofrecer una herramienta útil para la detección y el mapeo eficientes de UCGS en la planificación urbana.

Título Original:

"Enhanced Automatic Identification of Urban Community Green Space Based on Semantic Segmentation"

Autor/es:

Jiangxi Chen, Siyu Shao, Yifei Zhu, Fujie Rao, Xilei Dai
Este recurso está relacionado con las siguientes temas de salud:

Tipo de Documento:

|=|  En Web

Idioma:

Inglés

Año de publicación:

2022

Tamaño del recurso:

0.00 KB

Accesos al recurso:

6

Publicar un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *