60、基于CNN的贫困估计方法评估及无人机遥感成像系统景深提升研究

基于CNN的贫困估计方法评估及无人机遥感成像系统景深提升研究

1. 基于CNN的贫困估计方法评估

在贫困预测领域，对三种先进模型进行了公平比较，得出了一些有价值的结果：
- 模型表现相似 ：这些模型在相同框架下产生的结果相近。
- 空间扰动影响大 ：贫困指标坐标中的空间扰动是一个关键问题，它显著降低了模型的预测能力。通过处理坐标的空间扰动，网格单元选择方法表现出更好的性能，为后续改进整个流程提供了思路。
- 坐标匿名化的影响 ：使用调查中的匿名坐标意味着贫困预测是在10 km × 10 km的尺度上进行（仍能捕捉真实位置），而非1 km × 1 km的尺度。但这限制了当前高分辨率图像的使用，因为用高分辨率图像覆盖100 km²的区域需要非常大的图像（如分辨率为2.5 m时，图像大小为4,000 × 4,000），CNN无法直接处理。这为处理基于CNN的预测模型中的噪声和高分辨率图像开辟了新的研究方向。
- 方法组合效果 ：三种方法的组合并没有显著提高性能。然而，从三种方法中选择最佳预测结果可使R²达到0.6。因此，存在一种能显著提高R²得分的方法组合。并且，其他更复杂的集成方法可能会更有效。
- 数据集大小的影响 ：数据集规模较小导致训练集和测试集之间存在差异和不一致，这在交叉验证中表现为较高的标准差。

为了进一步推进这项工作，目标是提出一种能达到更高R²得分的组合方法，最终像文献中的其他工作一样，使用多光谱图像来估计贫困指标。利用提出的贫困预测公平基准，计划探索