Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Population estimation utilizing Earth Observation data
Übersetzter Titel:
Bevölkerungsabschätzung anhand von Erdbeobachtungsdaten
Autor:
Doda, Sugandha
Jahr:
2024
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Engineering and Design
Institution:
Data Science in Earth Observation (Prof. Zhu)
Betreuer:
Zhu, Xiaoxiang (Prof. Dr. habil.)
Gutachter:
Zhu, Xiaoxiang (Prof. Dr. habil.); Wang, Yuanyuan (Prof. Dr.); Kuffer, Monika (Prof. Dr.)
Sprache:
en
Fachgebiet:
TEC Technik, Ingenieurwissenschaften (allgemein)
Stichworte:
remote sensing; population estimation; urbanization
Übersetzte Stichworte:
Fernerkundung; Bevölkerungsabschätzung; Urbanisierung
TU-Systematik:
BAU 967; MSR 915
Kurzfassung:
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.
Übersetzte Kurzfassung:
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
Eingereicht am:
14.11.2023
Mündliche Prüfung:
10.06.2024
Dateigröße:
16596557 bytes
Seiten:
137
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240610-1726056-1-2
Letzte Änderung:
20.08.2024
 BibTeX