从太空观测贫困：可调优程度几何？
计算机视觉与模式识别
2021-08-02 v1
摘要
自2015年联合国发起可持续发展目标（SDG）以来，众多高校、非政府组织及其他机构试图开发工具以监测全球实现这些目标的进展。在地球观测技术、数据科学以及人工智能兴起的推动下，若干研究团队已开发出创新工具，用于凸显脆弱地区并追踪SDG具体目标的落实。本文证明，无机构隶属关系、仅配备普通硬件、公开数据集与基于云的计算服务的个人，也能参与改进基于机器学习的给定农业生态环境中局部贫困水平预测方法。该方法建立在过去五年中若干先驱性工作之上，这些工作利用深度学习处理卫星影像与实地“地面真值”数据，以在特定背景下将特征与贫困发生率相关联。该方法采用新的目标识别方法以优化建模结果并取得显著高准确率。本项目的关键目标是有意将成本保持尽可能低——通过使用免费可用资源——以便公民科学家、学生与组织能在其他关注区域复现该方法。此外，为简便起见，所用输入数据仅源自少数几个来源（仅涉及地球观测与人口计数）。因此，通过整合来自社交网络、移动电话运营商及其他来源的专有数据，本项目结果无疑可进一步增强。
引用
@article{arxiv.2107.14700,
title = {Seeing poverty from space, how much can it be tuned?},
author = {Tomas Sako and Arturo Jr M. Martinez},
journal= {arXiv preprint arXiv:2107.14700},
year = {2021}
}
备注
19 pages