权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Post-disaster Recovery Monitoring based on Multi-Source Remote Sensing Imagery and Deep Learning

基于多源遥感影像和深度学习的灾后恢复监测

基本信息

批准号：
21K14261
负责人：
郭直霊
金额：
$ 3万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K14261/
关键词：
Post-disaster Monitoring Deep Learning Remote Sensing Computer Vision Change Detection

项目摘要

First, multi-temporal post-disaster remote sensing imagery and the ground-truth of changing has been collected.Then, with the help of Multi-task Urban Mapping, the land cover semantic segmentation, object detection, and DSM in multi-temporal can be generated.After that, an end-to-end deep learning model for change detection has been trained by data fusing and ensemble learning. Meanwhile, to solve the slight misalignment of multi-temporal imagery as well as the imbalanced land cover ratio, a specific loss function will be proposed.Finally, the trained change detection model is capable of detecting land cover changes, such as the destroyed, new vacant, under construction, completed, etc.

首先采集多时相灾后遥感影像和变化的地面实况，然后借助多任务城市制图生成多时相土地覆盖语义分割、目标检测和DSM，最后通过数据融合和集成学习训练出一个端到端的变化检测深度学习模型。同时，针对多时相影像的轻微错位以及土地覆盖率的不均衡，提出了特定的损失函数。最后，训练后的变化检测模型能够检测出土地覆盖的变化，如破坏、新空置、在建、完工等。

项目成果

期刊论文数量（8）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Energy Transition, Energy Supply Chains and Carbon Neutrality

能源转型、能源供应链和碳中和

DOI：
发表时间：
2022
期刊：
影响因子：
0
作者：
通讯作者：

Remote sensing of photovoltaic scenarios: Techniques, applications and future directions

DOI：
10.1016/j.apenergy.2022.120579
发表时间：
2023-03
期刊：
Applied Energy
影响因子：
11.2
作者：
Qi Chen;Xinyuan Li;Zeyu Zhang;Chao Zhou;Zhiling Guo;Zhengguang Liu;H. Zhang
通讯作者：
Qi Chen;Xinyuan Li;Zeyu Zhang;Chao Zhou;Zhiling Guo;Zhengguang Liu;H. Zhang

Renew mineral resource-based cities: Assessment of PV potential in coal mining subsidence areas

矿产资源型城市更新：煤矿塌陷区光伏发电潜力评估

DOI：
10.1016/j.apenergy.2022.120296
发表时间：
2023
期刊：
Applied Energy
影响因子：
11.2
作者：
Zhang Zhengjia;Wang Qingxiang;Liu Zhengguang;Chen Qi;Guo Zhiling;Zhang Haoran
通讯作者：
Zhang Haoran

Understanding rooftop PV panel semantic segmentation of satellite and aerial images for better using machine learning