从卫星影像中轻量且鲁棒地表示经济尺度
计算机视觉与模式识别
2019-12-19 v1 计算机与社会
摘要
卫星影像长期以来都是一种极具吸引力的数据源，可提供关于人类居住区的丰富信息。尽管超高分辨率卫星图像正迅速可用，但鲜有研究关注如何从中提取关于人类居住模式与经济尺度的有意义信息。我们提出 READ，一种基于深度神经网络从高分卫星影像中获取任意给定区域本质空间表征的新方法。我们的方法结合迁移学习与嵌入统计，高效学习任意大小区域的关键空间特征，并将其表示为信息损失最小的定长向量。即便仅有少量标签，READ 也能区分农村与城市区域的细微差异并推断城市化程度。大量评估表明，该模型在预测经济尺度（如韩国人口密度，R^2=0.9617）上优于最先进方法，并对行政区级经济尺度未知的发展中国家显示出很高的潜在用途。
引用
@article{arxiv.1912.08197,
title = {Lightweight and Robust Representation of Economic Scales from Satellite Imagery},
author = {Sungwon Han and Donghyun Ahn and Hyunji Cha and Jeasurk Yang and Sungwon Park and Meeyoung Cha},
journal= {arXiv preprint arXiv:1912.08197},
year = {2019}
}
备注
Accepted for oral presentation at AAAI 2020