检测到快速增长的非正式住区

该项目的目标是提供一种使用低分辨率卫星图像和机器学习来更快、更便宜、更可扩展地检测快速增长的非正式住区的方法。

在03_Model_Optimization.ipynb的3个实例中，我们评估了不同负采样参数下的模型性能，这反映在10K、30K、50K上。

出于隐私方面的考虑，我们没有将标识哥伦比亚非正式住区的标签培训数据包括在此回购中。如果您需要此数据集，请联系ThinkingMachines或iMMAP，电子邮件为[email protected]，[email protected]。

├──Data│├──pos_masks│├──{Area}_Mask.gpkg│├──ADMIN_Bound│├──{Area}.gpkg│├──Images<；派生>；│├──{Area}_2015-2016.tif│├──{Area}_2017-2018.tif│├──{Area}_2019-2020.tif│├──├──Index<；派生>；│和├──指数_{面积}_2015-2016.tif│和├──指数_{面积}_2017-2018.tif│和├──指数_{面积}_2019年-2020.tif。

其中，Area是作为一个单词重新评估的区域的名称，例如Villa del Rosario->；Viladelrosario。