面向基于卫星图像的贫困预测卷积神经网络解释性研究
计算机视觉与模式识别
2023-12-04 v1
摘要
深度卷积神经网络（CNN）已被证明能以惊人精度从卫星图像预测贫困与发展指标。本文首次尝试细致分析 CNN 响应并解释预测依据。该 CNN 模型虽在相对低分辨率的日间与夜间卫星图像上训练，在财富指数类别排序上却优于观看高分辨率图像的人类受试者。在模型上开展的多次可解释性实验指示了图像中物体尺寸、像素颜色的重要性，并可视化了输入图像中不同结构的重要性。我们还提供了使财富指数网络预测最大化的类型图像可视化，从而为 CNN 预测所依据的内容提供线索。
引用
@article{arxiv.2312.00416,
title = {Towards Explaining Satellite Based Poverty Predictions with Convolutional Neural Networks},
author = {Hamid Sarmadi and Thorsteinn Rögnvaldsson and Nils Roger Carlsson and Mattias Ohlsson and Ibrahim Wahab and Ola Hall},
journal= {arXiv preprint arXiv:2312.00416},
year = {2023}
}
备注
Accepted to the DSAA 2023 conference, published in IEEE Xplore