您还可以使用以下方式登录
当前位置：&>&&>& > 基于回归分析的太阳影子定位技术研究_陶超
太阳影子定位 基于回归分析的太阳影子定位技术研究_陶超
第３２卷第２期（下） ２０１６年２月赤峰学院学报（自然科学版） ＪｏｕｒｎａｌｏｆＣｈｉｆｅｎｇＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）Ｖｏｌ．３２Ｎｏ．２Ｆｅｂ．２０１６ DOI:10.ki.issn1…? ７ ６? 风 湿病 与关 节炎 ２ １ 第 １ １期 Ｒ ｅ ｍ ｔｍ ａ ｄＡ ｔｒｉ ２ １ ， ｏ． ， ｏ １ ０ ２年 卷 ｈ ｕ ａｉ ｎ ｒ ｉｓ ０ ２ Ｖ １１ Ｎ ． ｓ ｈ ｔ ? 国医传 承 ? 国 医大 师 路 志 正 …科技信息○建筑与工程○ＳＣＩＥＮＣＥ＆ＴＥＣＨＮＯＬＯＧＹＩＮＦＯＲＭＡＴＩＯＮ２００８年第１９期 大型商业建筑的中庭空间设计研究 徐 （１．宁夏建筑设计研究院有限公司 宁夏 银川 刘永霞２ ７５００２１；２．宁夏大学土木与水利工程学院 １ 沛 宁夏…
第３２卷第２期（下）２０１６年２月赤峰学院学报（自然科学版）ＪｏｕｒｎａｌｏｆＣｈｉｆｅｎｇＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）Ｖｏｌ．３２Ｎｏ．２Ｆｅｂ．２０１６DOI:10.ki.issn16.04.010基于回归分析的太阳影子定位技术研究陶（1.安徽财经大学摘超1，虞芳2，鲍远娟1，徐凤1蚌埠统计与应用数学学院；2.安徽财经大学金融学院，安徽233000）要：本文针对太阳影子定位，使用回归分析、多项式拟合等方法，分别构建由太阳影子顶点坐标数据确定直杆所处的地点模型以及确定视频拍摄地点的数学模型，并使用MATLAB、EXCEL软件进行求解，得到已知太阳影子顶点坐标数据可以确定视频拍摄日期和地点等结论.关键词：太阳影子定位；回归分析；多项式拟合；MATLAB7.0中图分类号：Ｎ９１；Ｏ２４２文献标识码：Ａ文章编号：１６７３－２６０Ｘ（２０１６）０２－００２５－０３在当今视频拍摄技术高速发展的时代，对视频数据的分析处理逐渐成为一项重要的研究课题；而如何根据一段已知的视频，确定视频的拍摄地点和拍摄日期是视频数据分析的重要方面，太阳影子定位技术就是通过分析视频中物体的太阳影子变化，确定视频拍摄的地点和日期的一种方法（详见）．２０１２年全国数学建模Ａ题［１］1数据的获取及假设本文数据来源于２０１５年高教社杯全国大学生数学建模竞赛Ａ题［１］．为方便建立模型与解决问题，提出以下几点假设：①假设地球不动，太阳以地球为中心绕地轴匀速转动；②假设太阳影子观测点的地面是水平的；③假定太阳光是平行照射的．2由太阳影子顶点坐标数据确定直杆所处的地点２．１研究思路已知某固定直杆在水平地面上的影子轨迹坐标数据，确定直杆的地点，即确定物体所在的经纬度．首先求解某地的经度问题，转化为求解当地时间正午１２点与该时刻对应的北京时间的差值，根据经度与时区之间的变化关系，推测出某地的经度范围．确定经度过程中利用ＭＡＴＬＡＢ软件对时间与影子长度的关系进行曲线拟合，通过寻找最小影长确定当地正午时刻相应的北京时间，预测出二者的时间已知的条件时间差值．查阅资料可知，在日期、下，太阳高度角的大小是由纬度决定，而纬度也可以通过太阳高度角反向求解得到，因此将纬度问题转化为求太阳高度角的问题，最后利用ＭＡＴＬＡＢ收稿日期：日软件求解函数零点判断物体所在纬度范围．２．２研究方法２．２．１建模准备ａ．首先定义平面直角坐标系，以直杆底端为原点，水平地面为ｘｙ平面，直杆垂直于地面，以正东方向为ｘ轴正方向，以正北方向为ｙ轴正方向，影子顶点的坐标记为（ｘ，ｙ），定义的坐标系的情况如图１所示．图１坐标系及各角度示意图则太阳的方位设太阳影子顶点坐标为（ｘ０，ｙ０），角为太阳光线在地平面上的投影与当地经线的夹角Ａ［２］，且ｔａｎＡ＝ｔａｎ（π＋η）＝ｔａｎη＝．０ｂ．太阳影子观测点的地理纬度用φ表示，地方时（时角）以λ表示，用δ表示赤纬角，太阳高度角θ的计算公式［３］为：ｓｉｎθ＝ｓｉｎφｓｉｎδ＋ｃｏｓφｃｉｓδｃｏｓλ（１）由上式可知同一地点一天内不同时点太阳高度角是不断变化的．其中，由于太阳赤纬角值日变化很小，一年内基金项目：国家自然科学基金();安徽财经大学教研项目(acjyzd201429)通讯作者：徐凤（1980-），女，安徽宿州人，安徽财经大学统计与应用数学学院讲师，硕士，研究方向:应用统计.－２５－任何一天的赤纬角δ可近似计算为：δ＝０．３７２３＋２３．２５６７ｓｉｎ鄣＋０．１１４９ｓｉｎ２鄣－０．１７１２ｓｉｎ３鄣－０．７５８ｃｏｓ鄣＋０．３６５６ｃｏｓ２鄣＋０．０２０１ｃｏｓ３鄣（２）公式（２）中鄣称做日角，且鄣＝２π·ｔ／３６５．２４２２，ｔ由两部分组成，即ｔ＝Ｔ－Ｔ０，其中Ｔ为积日，即日期在年内的顺序号：Ｔ０＝７９．６７６４＋０．２４２２×（计算机日期年份－１９８５）－ＩＮＴ（（计算日期年份－１９８５（／４）其中ＩＮＴ表示取整数部分．公式（１）中时角λ＝１５°（ｎ－１２），ｎ为一天２４小时制所对应的时间．综上，可以根据测量的日期、时间、地理位置，确定不同时刻相应的太阳高度角，由三角函数关系可以求解出影长随时间动态变化的规律：Ｌ＝ｈ／ｔａｎθ其中Ｌ表示物体的影子长度，ｈ代表物体的高度．２．２．２经度的确定由问题给出的不同时刻太阳影子顶点坐标数据（ｘ，ｙ），求出影子长度Ｌ＝姨，以北京时间为横坐标，影长为纵坐标画出散点图，由散点图可初步判断二者存在某种函数关系．作出的影长随时间变化的曲线图分析得出影子长度关于当地时间正午１２点对称，且影长随时间变化的曲线近似为抛物线．故可以利用ＭＡＴＬＡＢ软件对影子长度Ｌ与北京时间ｎｐ进行二次函数关系拟合．根据拟合结果可以直接预测出影长最短时的对应的北京时间ｎｐ，由于影长最短时当地时间为正午１２点，则经度＝１２０°－，式中ｎｐ表示为预测出的正午时刻对应的北京时间．２．２．３纬度的确定由于纬度未知，利用太阳高度角的计算公式无法得到ｓｉｎθ，因此本文引进太阳方位角Ａ，即经过地球球心与太阳位置点在地平面上投影点的直线与地平面正南方向所夹的角称为方位角．通过查找参考文献得到太阳方位角与太阳高度角存在以下关系［４］：ｓｉｎＡ＝ｃｏｓθ（３）其中太阳方位角Ａ的正切值可以通过影子顶点的坐标（ｘ，ｙ）来决定，即ｔａｎＡ＝，然后通过三角变换可以得到ｓｉｎＡ的值，代入公式（３），即可得到太阳高度角的三角函数值．最后利用太阳高度角与各参数的关系方程求出直杆所处地点的纬度．－２６－２．３结果分析通过对２０１５年４月１８日某地固定直杆在水平地面上的太阳影子顶点坐标数据（ｘ，ｙ）的处理，计算影子长度、太阳方位角、太阳赤纬角等．将数据中给出的北京时间统一换算成以小时计数的时间，如９：４５换算成９．７５．利用ＭＡＴＬＡＢ软件将北京时间ｔ与对应的影子长度Ｌ进行函数拟合，做出的效果图如下所示，并且得到预测的拟合方程为：Ｌ＝０．１４８９ｔ２－３．７５１９ｔ＋２４．１２８图２曲线拟合程度的可决系数Ｒ２＝０．９６７３，拟合的准确度高，曲线拟合的结果可信．根据拟合方程，欲求出Ｌ的最小值对应的ｔ，通过对Ｌ求导，即鄣Ｌ＝０推出影子长度最小时的北京时间为１２：４２－１２：４８之间，此时当地时间为１２点，时差为４２分钟时，则经度＝１２０°－＝１０９．７５°，时差为４８分钟时，经度＝１２０°－＝１０８°，因此，直杆所在地点的经度在区间［１０８°，１０９．７５°］上．同时根据处理得到的数据利用公式（１），化简得到纬度与各个参数之间的关系函数，利用ＭＡＴＬＡＢ软件编程求解出纬度，并结合经度大小进行汇总，利用在线卫星地图查找系统，近似模拟出不同经纬度所对应的地点．综上得出以下结论：附件１所给数据直杆所处地点的纬度范围在区间［１０８°，１０９．７５°］内，经度的范围在［１６°，２２°］上，直杆所处的可能地点有：海南，北部湾海域，越南．3确定视频拍摄地点的数学模型３．１研究思路首先，要根据视频提取影长的信息，利用电子标尺测量视频中杆高与影子长度数据，因为杆高与影长的测量值与实际值对应成比例，由此可以计算影子的实际长度，太阳的高度角也可以根据几何知识计算得出；然后，利用太阳高度角与其他参数的函数关系确定物体所在的纬度，经度的计算方法与上文相同．３．２研究方法首先画出处理后的影长随时间变化的散点图，３．２．１对数据进行统计、处理针对视频中的影子长度，先选取一个时间基点．在此处我们选取的时间基点为２０１５年７月１３日８：５４，往后每隔２分钟再取一个基点，截止点为９：３４．列表７给出２１组北京时间与影子测量长度的对应值，电子标尺测量的杆的高度是１１．５４ｃｍ．表１处理后视频中影子长度数据北京时间影长测量值影长真实值８：５４１３．８１２．４１２２２７０７４８：５６１３．５８２．３７２０５２４０２８：５８１３．４４２．３４７５９８２５３９：００１３．３３２．３２８３８４２７９９：０２１３．２２２．３０９１７０３０６………９：２６１１．２８１．９７０３０５６７７９：２８１１．１１１．９４０６１１３５４９：３０１０．９４１．９１０９１７０３１９：３２１０．８２１．８８９９５６３３２９：３４１０．７４１．８７５９８２５３３３．２．２经度的确定将上表实际影长与北京时间的数据做出散点图，同理用二次函数关系拟合曲线并求出相应的曲线方程，同样利用求导知识鄣Ｌ＝０确定最短影长及所对应的时间［５］，因为正午时刻影子最短，便可求出北京时间与当地时间的差值，从而确定经度的大致范围．３．２．３纬度的确定根据几何关系式ｔａｎθ＝＝，Ｌ０代表实际的影０子长度，Ｈ代表直杆的高度．在已知一系列不同时间与影长的数据，就可以计算出不同时间下的太阳高度角．根据公式（１），当正午时太阳高度角最大，此刻时角为０°，公式可以简化为：ｓｉｎθ＝ｓｉｎφｓｉｎδ＋ｃｏｓφｃｏｓδ由两角和与差的三角函数公式，可得ｓｉｎθ＝ｃｏｓ（φ－δ）对公式作进一步变换，可知：θ＝９０°-｜φ－δ｜由拟合的曲线方程可以推断影子最短长度，就可以计算正午时刻的太阳高度角，日期确定的情况下δ也是确定的，则根据公式（１）可以推算地理纬度．３．３结果分析利用已有数据做二次函数关系拟合．利用ＭＡＴＬＡＢ拟合的曲线方程为：Ｌ＝０．１４５ｔ２－３．４６２２ｔ＋２１．７２８，将时间区域拓展到９：００－１６：００，画出太阳影子随时间动态变化的曲线图３：图３太阳影子随时间动态变化的曲线图利用求导关系计算出最短影长对应的北京时间是１１．９３８６２０６９，根据经度计算公式得出地点所在经度１２０．９２°Ｅ．在求出影子最短长度后，就可以得到正午的太阳高度角，θ＝ａｒｃｔａｎ，根据拟合方程容易确定影ｍｉｎ子最短长度是１．０６１米，故θ＝６２．０５３°，则｜φ－δ｜＝２７．９４７°那么求出地理纬度φ的值是４９．８５２°或－６．０４３°即北纬４９．８５２°或南纬－６．０４３°．结合上述确定的经度与纬度的值，用定位系统找到视频的拍摄地点是内蒙古呼伦贝尔市或印度尼西亚．4结语本文建立的模型，在代入实际数据时，均可以得出较为合理的求解结果，且在利用数据做二次函数拟合时，模型拟合的可决系数达９７％，可信度很高；本文利用相关软件分析结果符合实际，检验了文中建立模型的合理性．———————————————————参考文献：〔1〕2015年高教社杯全国大学生数学建模竞赛A题http://www..〔2〕陈晓勇,郑晓科.对建筑日照计算中太阳赤纬角公式的探讨[J].浙江建筑,-9.〔3〕郑鹏飞,林大钧,刘小羊,吴志庭.基于影子轨迹线反求采光效果的技术研究[J].华东理工大学学报,9-463.〔4〕王国安,米鸿涛,邓天宏,李亚男,李兰霞.太阳高度角和日出日落时刻太阳方位角一年变化范围的计算[J].河南气象,-7.〔5〕杨光容,罗茂羲.建筑采光和照明设计[M].北京:中国建筑工业出版社,.－２７－
第３２卷第２期（下） ２０１６年２月赤峰学院学报（自然科学版） ＪｏｕｒｎａｌｏｆＣｈｉｆｅｎｇＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）Ｖｏｌ．３２Ｎｏ．２Ｆｅｂ．２０１６ DOI:10.ki.issn1…第３２卷第２期（下） ２０１６年２月赤峰学院学报（自然科学版） ＪｏｕｒｎａｌｏｆＣｈｉｆｅｎｇＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）Ｖｏｌ．３２Ｎｏ．２Ｆｅｂ．２０１６ DOI:10.ki.issn1…第３２卷第２期（下） ２０１６年２月赤峰学院学报（自然科学版） ＪｏｕｒｎａｌｏｆＣｈｉｆｅｎｇＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）Ｖｏｌ．３２Ｎｏ．２Ｆｅｂ．２０１６ DOI:10.ki.issn1…百度搜索“就爱阅读”,专业资料,生活学习,尽在就爱阅读网,您的在线图书馆
欢迎转载：
推荐： 　　　机器学习：给我卫星图像，就知道哪里比较穷 | 科学人 | 果壳网 科技有意思
机器学习：给我卫星图像，就知道哪里比较穷
本文作者:阿布evo
没有人喜欢贫穷。
每个国家的政府都立志消除本国的贫困状况，联合国可持续发展目标的第一条就是“在全世界消除一切形式的贫困”。但想要消灭它，就得先认识它——政策制定者和人道援助组织都需要了解，究竟是哪里的人更贫穷。
细致的、全国范围的调查无疑能帮上忙。但是在一些非洲国家，进行调查本身都太过昂贵而难以负担。从2000年到2010年，59个非洲国家中，对扶贫政策制定有帮助的调查进行了还不足两次的国家就有39个，有些甚至根本没有。以安哥拉为例，它最近的两次人口普查相隔了44年，人口从560万增长至2430万……
严重的数据不足导致人们开始呼吁进行“数据革命”，然而若想在所有这样的国家频繁开展调查，可能需要耗费数千亿美元才能收集到足够的数据量。除了成本上的原因，某些国家也不愿意进行这些调查，因为他们觉得把自己的平庸表现记录下来并不好。
面对这些困难，人们也开始另辟蹊径，寻找新的数据来源。比较流行的一种做法，是使用夜间的灯光卫星图来进行估计——显而易见，较为发达的地区灯光也更加明亮，也有研究证实了这种相关性。但是对于那些居住在低于国际贫困线的地区而言，这一方法显得有些无力。因为这些极端贫穷的地区夜间光照水平极低，而且没有多少差异可言。另一种想法是使用移动电话的数据，但如何获得运营商的信任来获得数据也成了一大难题。
仅仅凭借夜间的照明情况来推断经济状况的方法，用在贫困地区的分析上会影响效果。图片来源：sustain.stanford.edu
斯坦福大学的尼尔·吉恩（Neal Jean）等人今日在《科学》杂志上发表一篇论文[1]，详细描述了如何利用机器学习来为人们与贫穷的斗争出力。他们训练卷积神经网络（Convolutional Neural Network ）通过白天高清卫星图像预测特定地区的社会经济状况，使用5个非洲国家最近的经济统计结果进行验证后，他们发现这种算法可以仅利用可得的公共数据估算出地区贫富情况。
从卫星图像中学习洞察贫富信息
卷积神经网络是一种优秀的深度学习结构，经常被用于大型图像识别和自然语言处理等领域。不过，要对卷积神经网络进行有效的训练，通常需要大量的、带有标记的训练数据。但在吉恩的研究中，这样的数据恰恰是稀缺的——即便是详尽的入户调查数据，也只涵盖几百个地点的信息，完全不够用。而高清的卫星图像虽然丰富但这些图片并没有很好地进行结构化处理，大规模提取有效信息相当困难。面对这一挑战，研究团队决定采取多步骤“迁移学习”（transfer learning）的方式来训练自己的模型。
吉恩和同事首先使用图像识别数据库ImageNet对他们的卷积神经网络模型进行训练，用大量经过分类的图像让模型学会最基本的特征识别（比如边缘、转角）。然后，研究者用上了谷歌静态地图API提供的日间卫星图像——白天的卫星图像更清晰，细节（比如铺设的道路和金属的屋顶）也更多。他们让这一模型程序通过分析白天的图像，预测当地的夜间光照情况。在这个过程中，模型学会了将分辨率较高的图像特征，总结为分辨率较低的图像特征。研究者指出，在低支出地区，夜间光照没有太多区别性，但研究显示，有些只能在白天卫星图上看到的东西，比如说屋顶的材料、和城镇的距离与消费能力有着非常直接的关系。配合以夜间光照的训练结果，他们就更有能力完整捕捉地区整体的经济生活状况。
研究者开发的模型学会分辨卫星图像中的某些可能与夜间光照程度有关的特征。图片来源：sustain.stanford.edu
在这个基础上，他们结合之前已有的实际调查数据和卷积神经网络模型提取出来的图像特征，训练他们的模型估算出集群层次（大致相当于城镇中的区或是乡村的村）的开支和资产水平。
花销不高，还能做得更好
随后，研究者使用了尼日利亚，坦桑尼亚，乌干达，马拉维和卢旺达这五个国家的数据检验了模型的“实战水平”——他们对每个国家都进行了100个验证实验，对比他们的模型与仅使用夜间光照作推断的模型谁比较准确有效。结果，他们的模型表现得明显更加优越，尤其是在估测极端贫穷地区（收入水平远低于国际贫困线的集群）的消费水平方面，这一模型甚至在99.5%的对比试验中表现优于用夜间光照推断的模型。而在估算资产时，这一模型展现出了更大的优势。
机器学习被用于预测尼日利亚，坦桑尼亚，乌干达，马拉维和卢旺达五个国家各地区的支出情况。图片来源：Neal Jean et al.
研究者认为，这项工作充分展现了机器学习工具的潜力。在这个例子中，只要有正确的设置和精度足够高的卫星图片，经过得当训练的卷积神经网络能够从有限的资源中窥得有效信息。凭借成本和通用性方面的优势，这些结果能够在帮助国际社会分析和对抗贫穷的工作中派上大用场。
（编辑：Calo）
参考文献：
Neal Jean et al. Combining satellite imagery and machine learning to predict poverty. Science : Vol. 353, Issue 6301, pp. 790-794 DOI: 10.1126/science.aaf7894
文章题图：sustain.stanford.edu
你可能感兴趣
引用 的话：把非洲难民都送去挪威瑞典丹麦。先看清题目，这里说的是贫困不是难民。而且难民也没什么值得嘲笑的。
引用 的话：我觉得让这个AI看东京，他会把它当成中非。我比较奇怪的一点是,如果说一个地区,极端贫困,导致人道组织援助了大量的简易临时建筑用的建材,而这些简易建筑的屋顶自然是用预制成型的金属和聚合材料构成的,而另一个富裕的地区,为了讲求居住环境的生态化,而采用了木质甚至在屋顶覆土种植植物.那这个AI岂不是有可能把两地的贫困程度完全颠倒.
引用 的话：我比较奇怪的一点是,如果说一个地区,极端贫困,导致人道组织援助了大量的简易临时建筑用的建材,而这些简易建筑的屋顶自然是用预制成型的金属和聚合材料构成的,而另一个富裕的地区,为了讲求居住环境的生态化,而...除了房顶，还有道路，地理，工厂的圆形储存罐等等相关因素会被神经网络的隐藏层捕捉的东西。。。
显示所有评论
全部评论(39)
把非洲难民都送去挪威瑞典丹麦。
生意要被抢了
引用 的话：把非洲难民都送去挪威瑞典丹麦。先看清题目，这里说的是贫困不是难民。而且难民也没什么值得嘲笑的。
我觉得让这个AI看东京，他会把它当成中非。
引用 的话：我觉得让这个AI看东京，他会把它当成中非。木制房顶？？？？？？？？？其实派无人机去拍些各地人群的照片不就结了。。。。比卫星图片要准确吧？？
引用 的话：我觉得让这个AI看东京，他会把它当成中非。我比较奇怪的一点是,如果说一个地区,极端贫困,导致人道组织援助了大量的简易临时建筑用的建材,而这些简易建筑的屋顶自然是用预制成型的金属和聚合材料构成的,而另一个富裕的地区,为了讲求居住环境的生态化,而采用了木质甚至在屋顶覆土种植植物.那这个AI岂不是有可能把两地的贫困程度完全颠倒.
第一张那个灯光图不是早被说是造假的吗？印度发电量那么点，收入那么低，怎么可能全境都那么亮
引用 的话：木制房顶？？？？？？？？？其实派无人机去拍些各地人群的照片不就结了。。。。比卫星图片要准确吧？？卫星分辨率已经足够
引用 的话：木制房顶？？？？？？？？？其实派无人机去拍些各地人群的照片不就结了。。。。比卫星图片要准确吧？？东京住宅区的旧房屋横竖看都是贫民窟。但是里面住着的人资产过亿。
我似乎看穿了日本人的阴谋！
引用 的话：我比较奇怪的一点是,如果说一个地区,极端贫困,导致人道组织援助了大量的简易临时建筑用的建材,而这些简易建筑的屋顶自然是用预制成型的金属和聚合材料构成的,而另一个富裕的地区,为了讲求居住环境的生态化,而...除了房顶，还有道路，地理，工厂的圆形储存罐等等相关因素会被神经网络的隐藏层捕捉的东西。。。
引用 的话：卫星分辨率已经足够地面人的服装款式和面料还是分辨不了的吧。。。。看人是否有钱看什么？当然是衣服了。。。脱光之后，穷人富人都一样啊。。。
引用 的话：除了房顶，还有道路，地理，工厂的圆形储存罐等等相关因素会被神经网络的隐藏层捕捉的东西。。。对，感觉主要是对某地区固定资产的评估。。。。
引用 的话：地面人的服装款式和面料还是分辨不了的吧。。。。看人是否有钱看什么？当然是衣服了。。。脱光之后，穷人富人都一样啊。。。呵呵呵，我敢说算法与人的衣服无关
引用 的话：呵呵呵，我敢说算法与人的衣服无关那当然，俺的意思是说，要看哪里比较穷，最靠谱的还是看那里的人都穿什么样的衣服。。。。。
这个研究成果谁最想要？绝对不是社会学家，而是金融市场的投机客们。分析一个地区的景气，分析大宗商品产地的产量，还有比这更急切的需求吗。
引用 的话：我比较奇怪的一点是,如果说一个地区,极端贫困,导致人道组织援助了大量的简易临时建筑用的建材,而这些简易建筑的屋顶自然是用预制成型的金属和聚合材料构成的,而另一个富裕的地区,为了讲求居住环境的生态化,而...还要配合灯光和距离城镇的远近来综合判断，另外还有道路铺装等辅助判断的手段。因此不容易弄错。就现在的城市建筑，不容易骗过这个AI。就算绿化再好，屋顶伪装的像丛林，道路和灯光也会泄密。
以后能算房价么
某些地区的人口普查就算真做了，数据也不一定靠谱。还是发展AI吧。
引用 的话：我比较奇怪的一点是,如果说一个地区,极端贫困,导致人道组织援助了大量的简易临时建筑用的建材,而这些简易建筑的屋顶自然是用预制成型的金属和聚合材料构成的,而另一个富裕的地区,为了讲求居住环境的生态化,而...这个AI是通过学习某一特定地区的图像特征，继而将其卫星图特征和经济状况联系起来的。它并不知道“这是金属屋顶”或者“那是土屋顶”，而是说，在给定国家内，具有“这样特征的图像”与“这样的经济状况向联系”。所以论文原文也说，“至少在样本国家内”，这个学习结果是跨国通用的。它的主要目标，也是帮助那些无法进行大规模普查的第三世界国家，进行经济体量的估计。我是这么认为的 =。=
引用 的话：我觉得让这个AI看东京，他会把它当成中非。城市规划（道路、公园）这些特征，也会被关注到的
引用 的话：城市规划（道路、公园）这些特征，也会被关注到的那更烂。东京完全是癌细胞型的发展模式。
引用 的话：第一张那个灯光图不是早被说是造假的吗？印度发电量那么点，收入那么低，怎么可能全境都那么亮这些照片来自NASA earthobservatory项目，你可以在NASA项目官网上找到这些照片。 不要听风就是雨
引用 的话：那更烂。东京完全是癌细胞型的发展模式。但是中东根本没有那么密集的道路网和那么多的公园，AI不会评价好坏，只会关注有没有、密度，还有其他我没有注意到的特征。
引用 的话：但是中东根本没有那么密集的道路网和那么多的公园，AI不会评价好坏，只会关注有没有、密度，还有其他我没有注意到的特征。东京所谓的道路就是房子间的空地而已。乱七八糟，连导航都要抽风。
引用 的话：那当然，俺的意思是说，要看哪里比较穷，最靠谱的还是看那里的人都穿什么样的衣服。。。。。那也不能判断，有些民族的风俗不是打扮得超华丽的么，身上的饰品就值超多钱，但是家里未必有很多钱。
引用 的话：那也不能判断，有些民族的风俗不是打扮得超华丽的么，身上的饰品就值超多钱，但是家里未必有很多钱。民族盛装很少穿的啊。。。。。。
引用 的话：地面人的服装款式和面料还是分辨不了的吧。。。。看人是否有钱看什么？当然是衣服了。。。脱光之后，穷人富人都一样啊。。。主要看气质，呵呵来自不知道什么地方
引用 的话：这些照片来自NASA earthobservatory项目，你可以在NASA项目官网上找到这些照片。 截至日本财年里，印度发电量预计增长7%至9750亿千瓦时。2012年就更少了，这么亮不可思议
前排出售雾霾～有效防止国家机密泄漏～一个立方米一美金了啊～
显示所有评论
(C)2017果壳网&&&&京ICP证100430号&&&&京网文[-239号&&&&新出发京零字东150005号&&&&
违法和不良信息举报邮箱：&&&&举报电话：更多最新文章相关作者文章搜狗：感谢您阅读景观设计师做分析图5点建设性提议 本文版权归原作者所有，本文由网友投递产生，如有侵权请联系 ，会第一时间为您处理删除。