利用卫星图像中目标检测生成可解释的贫困分布图
计算机视觉与模式识别
2020-10-01 v2
摘要
精确的局部层面贫困测度是政府和人道组织追踪生计改善进展并分配稀缺资源的关键任务。近期利用卫星影像预测贫困的计算机视觉进展显示出不断提升的精度，但它们未生成对政策制定者可解释的特征，阻碍了从业者的采用。本文展示了一个可解释的计算框架，通过对高分辨率（30cm）卫星图像应用目标检测器来准确预测局部贫困。使用物体的加权计数作为特征，我们在预测乌干达村级贫困时取得了 0.539 的 Pearson's r^2，较现有（且可解释性更差）基准提升 31%。特征重要性与消融分析揭示了物体计数与贫困预测间的直观关联。我们的结果表明，至少在这一重要领域中，可解释性不必以性能为代价。
引用
@article{arxiv.2002.01612,
title = {Generating Interpretable Poverty Maps using Object Detection in Satellite Images},
author = {Kumar Ayush and Burak Uzkent and Marshall Burke and David Lobell and Stefano Ermon},
journal= {arXiv preprint arXiv:2002.01612},
year = {2020}
}