58、基于卫星图像的建筑足迹检测与贫困估计方法评估

基于卫星图像的建筑足迹检测与贫困估计方法评估

1. 引言

在当今社会，准确估计贫困指标对于国家的经济和政治稳定至关重要。传统的贫困指标评估方式主要是通过对人口进行调查，这种方式不仅组织工作繁重、耗时长久，而且有时仅局限于容易到达的地区，还可能带有主观性。因此，利用卫星图像等观测数据来大规模、便捷且快速地估计贫困状况成为了研究热点。

卫星图像能够提供地球较为精确的观测概况。自1980年起，人们就开始利用早期的Landsat卫星图像监测城市人口和能源利用模式。如今，Landsat 7和8卫星系列分别自1999年和2013年起，以16天的时间分辨率和15 - 30米（取决于光谱波段）的空间分辨率覆盖了整个地球表面；Sentinel卫星系列自2014年起，能生成空间分辨率达10米的图像，使得获取高时间频率和良好空间分辨率的遥感数据成为可能。

然而，要估计局部地区的财富或贫困指标并非易事，这需要将卫星图像的像素强度等观测数据与精确位置的贫困指标进行准确映射。在某些情况下，可能会有大量的贫困指标数据，例如在墨西哥城的两次调查中收集到了35万个贫困指标，在斯里兰卡的一个有限区域（3500平方公里）获得了1300个真实贫困指标。但在大多数国家，尤其是发展中国家，此类指标的数量通常较少。以2016年的马拉维为例，面积超过11.8万平方公里，却仅有770个贫困指标。而且，约五分之二的国家每五年至少进行一次收入调查的情况都难以保证。这种数据稀疏的情况使得直接使用机器学习方法处理地理定位的卫星图像和相应的贫困指标时，极易出现过拟合问题，导致模型泛化能力极差。

为了解决贫困指标有限的问题，2016年Jean等人提出了一种基于深度学习的准确且可扩展的方法，通过迁移学习技术，先在一个任务上