Bitte verwenden Sie diesen Link, um diese Publikation zu zitieren, oder auf sie als Internetquelle zu verweisen: https://hdl.handle.net/10419/324738 
Erscheinungsjahr: 
2025
Quellenangabe: 
[Journal:] WISTA - Wirtschaft und Statistik [ISSN:] 1619-2907 [Volume:] 77 [Issue:] 4 [Year:] 2025 [Pages:] 70-82
Verlag: 
Statistisches Bundesamt (Destatis), Wiesbaden
Zusammenfassung: 
Das Statistische Bundesamt hat gemeinsam mit dem Deutschen Zentrum für Luft- und Raumfahrt und dem Bundesamt für Kartographie und Geodäsie das Forschungsprojekt "Satelliten- und andere Fernerkundungsdaten für das Gebäude- und Wohnungsregister" (Sat4GWR) durchgeführt. Darin untersuchten sie den Einsatz von Fernerkundungsdaten und Methoden des Maschinellen Lernens zur automatisierten Erfassung und Analyse von Gebäudedaten. Ziel war, Machine-Learning-Modelle zu trainieren und zu evaluieren, um statistische Anwendungen wie die Ermittlung der Anzahl von Gebäuden und die automatisierte Aufbereitung spezifischer Merkmale zu unterstützen. Im Mittelpunkt standen dabei Verfahren der semantischen Segmentierung und der Instanzsegmentierung, die es ermöglichen, Gebäude auf Pixelebene präzise zu identifizieren und zu differenzieren.
Zusammenfassung (übersetzt): 
In cooperation with the German Aerospace Center and the Federal Agency for Cartography and Geodesy, the Federal Statistical Office has conducted the Sat4GWR project to research satellite data and other remote sensing data for the register of buildings and dwellings. The project explored the use of remote sensing data and machine learning methods for the automated collection and analysis of data on buildings. The goal was to train and evaluate machine learning models that support statistical applications, including the determination of the number of buildings and the automated processing of specific variables.
Schlagwörter: 
Gebäude- und Wohnungsregister
Bilderkennung
Maschinelles Sehen
Bautätigkeitsstatistik
Convolutional Neural Network
register of buildings and dwellings
image recognition
machine vision
statistics on building activity
Dokumentart: 
Article

Datei(en):
Datei
Größe
7.72 MB





Publikationen in EconStor sind urheberrechtlich geschützt.