KidSat：用于绘制儿童贫困地图的卫星图像数据集与基准
计算机视觉与模式识别
2024-07-09 v1 机器学习
摘要
卫星图像已成为分析人口、健康和发展指标的重要工具。尽管已经为这些任务构建了各种深度学习模型，但每个模型都针对特定问题，很少有标准基准可用。我们提出了一个新的数据集，将卫星图像与关于儿童贫困的高质量调查数据配对，以基准测试卫星特征表示。我们的数据集包含来自东非和南非19个国家在1997-2022年期间的33,608张图像，每张图像大小为10公里×10公里。根据联合国儿童基金会的定义，多维儿童贫困涵盖六个维度，可以通过面对面的人口与健康调查（DHS）项目计算得出。作为基准的一部分，我们通过测试未见过的位置以及训练年份之后的数据，来测试空间和时间上的泛化能力。利用我们的数据集，我们对多个模型进行了基准测试，从低层卫星图像模型（如MOSAIKS）到深度学习基础模型，其中包括通用视觉模型（如无标签自蒸馏（DINOv2）模型）和特定卫星图像模型（如SatMAE）。我们提供了用于构建卫星数据集、从DHS获取真实数据以及运行我们工作中评估的各种模型的开源代码。
引用
@article{arxiv.2407.05986,
title = {KidSat: satellite imagery to map childhood poverty dataset and benchmark},
author = {Makkunda Sharma and Fan Yang and Duy-Nhat Vo and Esra Suel and Swapnil Mishra and Samir Bhatt and Oliver Fiala and William Rudgard and Seth Flaxman},
journal= {arXiv preprint arXiv:2407.05986},
year = {2024}
}
备注
15 pages, 1 figure