Jornal de Sensoriamento Remoto e GIS

Abstrato

Uma classificação de aprendizagem automática para identificar casas adequadas para o carregamento de veículos elétricos a partir de imagens de deteção remota

James Flynn, Giannetti

Na última década, as Redes Neurais Convolucionais Profundas (DCNNs) emergiram como uma ferramenta poderosa para a classificação de imagens de deteção remota. Neste artigo multidisciplinar, demonstramos uma nova aplicação da aprendizagem automática no campo da deteção remota, desenvolvendo um fluxo de trabalho para pesquisar áreas urbanas em busca de propriedades residenciais adequadas para o carregamento de veículos elétricos. Uma abordagem de aprendizagem por transferência de ajuste fino é apresentada como um novo método para analisar dados de imagens de deteção remota. Um conjunto de dados único composto por imagens do Google Street View provenientes de várias cidades do Reino Unido é utilizado para treinar a comparação de três redes neuronais e representa a primeira tentativa de classificar passeios residenciais a partir de imagens de paisagens urbanas utilizando machine learning. Ao testar o fluxo de trabalho completo em duas áreas urbanas, o sistema completo atinge precisões de 87,2% e 89,3%, respetivamente. Esta prova de conceito demonstra uma nova aplicação promissora de aprendizagem profunda na área da deteção remota, análise geoespacial e planeamento urbano.