一种面向公平移动性估计的弱监督学习方法
计算机视觉与模式识别
2025-06-25 v2 计算机与社会
摘要
高分辨率标注影像的稀缺性和高昂成本长期困扰着遥感应用，尤其是在高分辨率数据匮乏的低收入地区。在本研究中，我们提出了一种弱监督框架，利用 3 米分辨率的卫星影像来估计停车场占用率。通过利用粗粒度的时间标签——基于德国主要超市和五金店停车场通常在周六满员、周日空闲的假设——我们训练了一个成对比较模型，该模型在大型停车场上实现了 0.92 的 AUC。所提出的方法最大限度地减少了对昂贵高分辨率图像的依赖，并为可扩展的城市移动性分析带来了希望。此外，该方法可适用于评估弱势社区的交通模式和资源分配，为改善最需要帮助的人群的福祉提供数据驱动的基础。
引用
@article{arxiv.2505.04229,
title = {A Weak Supervision Learning Approach Towards an Equitable Mobility Estimation},
author = {Theophilus Aidoo and Till Koebe and Akansh Maurya and Hewan Shrestha and Ingmar Weber},
journal= {arXiv preprint arXiv:2505.04229},
year = {2025}
}
备注
To appear in the proceedings of the ICWSM'25 Workshop on Data for the Wellbeing of Most Vulnerable (DWMV). Please cite accordingly