利用深度神经网络从卫星影像预测贫困水平
计算机视觉与模式识别
2021-12-02 v1 图像与视频处理
摘要
确定世界各地各区域的贫困水平对于识别减贫干预措施和公平调配资源至关重要。然而，关于全球经济生计的可靠数据很难获取，尤其是在发展中世界的地区，这阻碍了服务部署与进展监测/评估工作。这主要归因于此类数据来自传统的入户调查，既耗时又昂贵。俯视卫星影像包含一些特征，使得估算该区域贫困水平成为可能。在本工作中，我开发了深度学习计算机视觉方法，可从俯视卫星图像预测一个区域的贫困水平。我同时试验了白天与夜间影像。此外，由于数据限制常成为从卫星影像预测贫困的入门障碍，我探究了数据量与数据增强对网络表征能力与整体精度的影响。最后，为评估网络的鲁棒性，我在开发集中未出现的大洲的数据上对其进行了评估。
引用
@article{arxiv.2112.00011,
title = {Predicting Poverty Level from Satellite Imagery using Deep Neural Networks},
author = {Varun Chitturi and Zaid Nabulsi},
journal= {arXiv preprint arXiv:2112.00011},
year = {2021}
}
备注
14 pages, 5 Figures