Population estimation utilizing Earth Observation data

Doda, Sugandha

Dissertationen

Back
Back to start of result list
Permanent link for displayed object

If you experience problems opening the document, please try this link.

Original title:: Population estimation utilizing Earth Observation data
Translated title:: Bevölkerungsabschätzung anhand von Erdbeobachtungsdaten
Author:: Doda, Sugandha
Year:: 2024
Document type:: Dissertation
Faculty/School:: TUM School of Engineering and Design
Institution:: Data Science in Earth Observation (Prof. Zhu)
Advisor:: Zhu, Xiaoxiang (Prof. Dr. habil.)
Referee:: Zhu, Xiaoxiang (Prof. Dr. habil.); Wang, Yuanyuan (Prof. Dr.); Kuffer, Monika (Prof. Dr.)
Language:: en
Subject group:: TEC Technik, Ingenieurwissenschaften (allgemein)
Keywords:: remote sensing; population estimation; urbanization
Translated keywords:: Fernerkundung; Bevölkerungsabschätzung; Urbanisierung
TUM classification:: BAU 967; MSR 915
Abstract:: A thorough understanding of population distribution could aid the government in many decision-making processes. This thesis promotes the creation of up-to-date and detailed population maps by curating a large-scale data set for population estimation and, second, developing a deep learning-based framework to infer the population count/density and improve the model's transparency using an explainable AI technique. Finally, it generates high-resolution population maps at the building level.
Translated abstract:: Zuverlässige Daten zur Bevölkerungsverteilung kann Regierungen bei vielen Infrastrukturentscheidungen helfen. In dieser Arbeit wird erläutert, wie mithilfe eines eigens für diesen Zweck erstellten Benchmarkdatensatzes zur Bevölkerungsschätzung ein Deep Learning Framework entwickelt und trainiert wird, dass in seiner höchsten Ausbaustufe auch auf Gebäudeebene schätzt. Durch den Einsatz einer explainable AI-Technik soll zudem die Nachvollziehbarkeit der Schätzungen erhöht werden.
WWW:: https://mediatum.ub.tum.de/?id=1726056
Date of submission:: 14.11.2023
Oral examination:: 10.06.2024
File size:: 16596557 bytes
Pages:: 137
Urn (citeable URL):: https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240610-1726056-1-2
Last change:: 20.08.2024
BibTeX