使用深度强化学习的高效贫困制图
计算机视觉与模式识别
2021-01-06 v2
摘要
高分辨率卫星影像与机器学习的结合已在诸多可持续发展相关任务中被证明有用，包括贫困预测、基础设施测量与森林监测。然而，高分辨率影像所带来的准确性是有代价的，因为此类影像在规模化采购时极其昂贵。这为高分辨率方法的高效扩展与广泛采用制造了实质性障碍。为在保持准确性的同时降低获取成本，我们提出一种强化学习方法，其中利用免费的低分辨率影像动态识别何处需获取昂贵的成本高的高分辨率图像，随后在高分辨率图像上执行深度学习任务。我们将此方法应用于乌干达的贫困预测任务，建立在早前使用目标检测计数并依计数预测贫困的方法之上。我们的方法在使用少 80% 高分辨率图像的同时，超越了该任务上先前的性能基准。我们的方法可应用于许多需要高分辨率影像的可持续发展领域。
引用
@article{arxiv.2006.04224,
title = {Efficient Poverty Mapping using Deep Reinforcement Learning},
author = {Kumar Ayush and Burak Uzkent and Kumar Tanmay and Marshall Burke and David Lobell and Stefano Ermon},
journal= {arXiv preprint arXiv:2006.04224},
year = {2021}
}
备注
Accepted at AAAI 2021