基于公开 Landsat 7 卫星影像与机器学习的贫困预测
机器学习
2017-11-13 v1 计算机视觉与模式识别
机器学习
摘要
获取发展中国家地方经济生计的详细可靠数据成本高昂，因此数据十分匮乏。先前工作已表明，利用高分辨率卫星影像可度量地方层级的经济生计。然而，此类影像获取相对昂贵，常未频繁更新，且主要限于近年。我们在 Landsat 7 卫星获取的非洲大陆免费公开多光谱白天卫星影像上训练 CNN 模型，该卫星近二十年来持续提供全球覆盖影像。我们表明，尽管这些影像分辨率较低，仍可达到超越先前基准的精度。
引用
@article{arxiv.1711.03654,
title = {Poverty Prediction with Public Landsat 7 Satellite Imagery and Machine Learning},
author = {Anthony Perez and Christopher Yeh and George Azzari and Marshall Burke and David Lobell and Stefano Ermon},
journal= {arXiv preprint arXiv:1711.03654},
year = {2017}
}
备注
Presented at NIPS 2017 Workshop on Machine Learning for the Developing World