利用卫星影像与深度学习识别邮寄地址差异及其在休斯顿 2020 年人口普查中的应用
计算机与社会
2021-11-15 v1
摘要
人口估计的准确性和完整性将显著影响公共资源的分配。然而，当前普查范式存在不可忽略的低估计数水平。普查局对此问题的现有解决方案是增加入户调查力度，这导致人力资源昂贵且低效的使用。在这项工作中，我们认为隐蔽多户家庭的存在是低估计数的重要原因。据此，我们引入一种低成本但高精度的结合卫星影像与深度学习技术的方法来识别隐蔽多户（HMF）家庭。在全面掌握 HMF 家庭的情况下，十年普查的效率与效果可大幅提升。一项广泛的实验表明，我们的方法在休斯顿地区单个邮政编码内可发现超过 1800 个未被检出的 HMF 家庭。
引用
@article{arxiv.2111.06562,
title = {Satellite Images and Deep Learning to Identify Discrepancy in Mailing Addresses with Applications to Census 2020 in Houston},
author = {Zhaozhuo Xu and Alan Baonan Ji and Andrew Woods and Beidi Chen and Anshumali Shrivastava},
journal= {arXiv preprint arXiv:2111.06562},
year = {2021}
}