从社区生成的街景影像预测生计指标
计算机视觉与模式识别
2021-03-02 v6
摘要
政府和其他大型组织的重要决策依赖于对民众福祉的测量，但在广大发展中国家，大规模开展此类测量成本高昂因而很少进行。我们提出一种廉价、可扩展且可解释的方法，从公共众包街景影像预测关键生计指标。与传统调查方法相比，此类影像可廉价收集且更频繁更新，同时包含了一系列生计指标中 plausibly 相关的信息。我们提出两种从街景影像学习的方法：（1）通过检测信息性物体创建多住户聚类表示的方法；（2）捕获图像间关系的基于图的方法。通过可视化模型的重要特征及其使用方式，我们可帮助终端用户组织理解模型，并提供使用廉价获取的道路特征进行指数估计的替代方法。通过将我们的结果与全国代表性住户调查中收集的地面数据比较，我们展示了该方法在准确预测贫困、人口和健康指标方面的性能，并通过在印度和肯尼亚两个不同国家的测试展示了其可扩展性。我们的代码可在 https://github.com/sustainlab-group/mapillarygcn 获取。
引用
@article{arxiv.2006.08661,
title = {Predicting Livelihood Indicators from Community-Generated Street-Level Imagery},
author = {Jihyeon Lee and Dylan Grosz and Burak Uzkent and Sicheng Zeng and Marshall Burke and David Lobell and Stefano Ermon},
journal= {arXiv preprint arXiv:2006.08661},
year = {2021}
}
备注
Accepted to AAAI 2021. Code: https://github.com/sustainlab-group/mapillarygcn