用于视觉人口普查估计的细粒度汽车检测

有针对性的社会经济政策需要准确了解国家的人口构成。为此，美国每年花费超过10亿美元收集种族、性别、教育、职业和失业率等普查数据。与传统多年收集调查的方法成本高且劳动密集相比，数据驱动、机器学习驱动的方法更便宜、更快——具有近乎实时检测趋势的潜在能力。在这项工作中，我们利用Google Street View图像的普遍性，开发了一个计算机视觉流程，从单一来源的公开可用视觉数据预测收入、人均碳排放、犯罪率和其他城市属性。我们首先在200个美国最大城市的5000万张图像中检测汽车，并训练模型利用检测到的汽车预测人口统计属性。为便利我们的工作，我们收集了迄今为止报道的最大且最具挑战性的细粒度数据集，由超过2600类汽车组成，这些图像来自Google Street View和其他网络来源，由汽车专家分类以考虑甚至最细微的视觉差异。我们使用这些数据构建了迄今为止报道的最大规模细粒度检测系统。我们的预测结果与真值收入数据（r=0.82）、马萨诸塞州车辆登记部门以及研究犯罪率、收入隔离、人均碳排放和其他市场调研的来源很好地相关。最后，我们学习了汽车与社区之间的有趣关系，使我们能够使用计算机视觉技术进行首次大规模城市社会学分析。