論文の概要: Poverty rate prediction using multi-modal survey and earth observation data

• arxiv url: http://arxiv.org/abs/2307.11921v1
• Date: Fri, 21 Jul 2023 22:00:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-25 18:57:03.545524
• Title: Poverty rate prediction using multi-modal survey and earth observation data
• Title（参考訳）: マルチモーダルサーベイと地球観測データを用いた貧困率予測
• Authors: Simone Fobi, Manuel Cardona, Elliott Collins, Caleb Robinson, Anthony Ortiz, Tina Sederholm, Rahul Dodhia, Juan Lavista Ferres
• Abstract要約: 本稿では,家庭の人口調査と生活水準調査を衛星画像から抽出した特徴と組み合わせたアプローチを提案する。 視覚的特徴を取り入れることで、全国的に代表されるアウト・オブ・サンプルテストセットに対して、貧困率の平均誤差が4.09%から3.88%に減少することを示す。
• 参考スコア（独自算出の注目度）: 6.483201343805139
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work presents an approach for combining household demographic and living standards survey questions with features derived from satellite imagery to predict the poverty rate of a region. Our approach utilizes visual features obtained from a single-step featurization method applied to freely available 10m/px Sentinel-2 surface reflectance satellite imagery. These visual features are combined with ten survey questions in a proxy means test (PMT) to estimate whether a household is below the poverty line. We show that the inclusion of visual features reduces the mean error in poverty rate estimates from 4.09% to 3.88% over a nationally representative out-of-sample test set. In addition to including satellite imagery features in proxy means tests, we propose an approach for selecting a subset of survey questions that are complementary to the visual features extracted from satellite imagery. Specifically, we design a survey variable selection approach guided by the full survey and image features and use the approach to determine the most relevant set of small survey questions to include in a PMT. We validate the choice of small survey questions in a downstream task of predicting the poverty rate using the small set of questions. This approach results in the best performance -- errors in poverty rate decrease from 4.09% to 3.71%. We show that extracted visual features encode geographic and urbanization differences between regions.
• Abstract（参考訳）: 本研究では、家庭の人口統計と生活水準調査を衛星画像から得られた特徴と組み合わせて、地域の貧困率を予測するアプローチを提案する。 提案手法は,10m/pxのSentinel-2表面反射率衛星画像に一段加工法を適用した視覚的特徴を利用する。 これらの視覚的特徴は、世帯が貧困線以下であるかどうかを推定するために、プロキシ手段テスト(PMT)における10の調査質問と組み合わせられる。 視覚機能の導入により,貧困率の推定値の平均誤差が4.09%から3.88%に低下することが判明した。 衛星画像の特徴をプロキシ手段テストに含めることに加えて,衛星画像から抽出した視覚特徴を補完する調査質問のサブセットを選択するアプローチを提案する。 具体的には、全調査および画像特徴によって導かれる調査変数選択アプローチを設計し、この手法を用いて、PMTに含まれる最も関連性の高い調査質問の集合を決定する。 少人数の質問を用いて貧困率を予測する下流課題における小規模調査質問の選択を検証した。 このアプローチは最高のパフォーマンスをもたらす -- 貧困率のエラーは4.09%から3.71%に減少する。 抽出された視覚特徴は地域間の地理的・都市的差異を暗示している。

関連論文リスト

• Less is More: Fewer Interpretable Region via Submodular Subset Selection [54.07758302264416]
  本稿では,上述の画像帰属問題を部分モジュラ部分選択問題として再モデル化する。 我々は、より正確な小さな解釈領域を発見するために、新しい部分モジュラー関数を構築する。 正しく予測されたサンプルに対しては,HSIC-Attributionに対する平均4.9%と2.5%の利得で,Deletion and Insertionスコアを改善した。
  論文  参考訳（メタデータ） (2024-02-14T13:30:02Z)
• Granularity at Scale: Estimating Neighborhood Socioeconomic Indicators from High-Resolution Orthographic Imagery and Hybrid Learning [1.8369448205408005]
  オーバーヘッド画像は、コミュニティ情報が不足しているギャップを埋めるのに役立つ。 機械学習とコンピュータビジョンの最近の進歩により、画像データのパターンから素早く特徴を抽出し、検出することが可能になった。 本研究では, 人口密度, 中央値世帯所得, 教育達成率の2つのアプローチ, 教師付き畳み込みニューラルネットワークと半教師付きクラスタリングについて検討する。
  論文  参考訳（メタデータ） (2023-09-28T19:30:26Z)
• LoLep: Single-View View Synthesis with Locally-Learned Planes and Self-Attention Occlusion Inference [66.45326873274908]
  本稿では,1枚のRGB画像から局所学習平面を回帰してシーンを正確に表現するLoLepを提案する。 MINEと比較して、LPIPSは4.8%-9.0%、RVは73.9%-83.5%である。
  論文  参考訳（メタデータ） (2023-07-23T03:38:55Z)
• Fairness and representation in satellite-based poverty maps: Evidence of urban-rural disparities and their impacts on downstream policy [5.456665139074406]
  本稿では,都市部および農村部における衛星による貧困マッピングにおける表現の格差,予測誤差の体系的バイアス,公平性の懸念について検討する。 本研究は,衛星による貧困マップを現実の政策決定に利用する前に,注意深い誤りとバイアス分析の重要性を強調した。
  論文  参考訳（メタデータ） (2023-05-02T21:07:35Z)
• Releasing survey microdata with exact cluster locations and additional privacy safeguards [77.34726150561087]
  本稿では,プライバシ保護を付加した独自のマイクロデータの有用性を活用した,代替的なマイクロデータ配信戦略を提案する。 当社の戦略は, 再識別の試みにおいても, 任意の属性に対する再識別リスクを60～80%削減する。
  論文  参考訳（メタデータ） (2022-05-24T19:37:11Z)
• IS-COUNT: Large-scale Object Counting from Satellite Images with Covariate-based Importance Sampling [90.97859312029615]
  本研究では,大規模地形におけるオブジェクト数統計をサンプリングによって推定する手法を提案する。 提案手法は,米国とアフリカ,ケニアの自動車,バングラデシュのレンガキルン,米国のスイミングプールの建物数の推定において,高い性能を発揮することを示す。
  論文  参考訳（メタデータ） (2021-12-16T18:59:29Z)
• Questionnaire analysis to define the most suitable survey for port-noise investigation [0.0]
  本論文は, 主観的調査のために国際的に提案されたアンケートデータベースの一部として選択された, 特定の研究に適した質問のサンプルを分析した。 TRIPLOプロジェクト(TRansports and Innovative sustainable connection between Ports and LOGistic platform)に展開する。
  論文  参考訳（メタデータ） (2020-07-14T08:52:55Z)
• Predicting Livelihood Indicators from Community-Generated Street-Level Imagery [70.5081240396352]
  本稿では,クラウドソースによるストリートレベルの画像から重要な生活指標を予測するための,安価でスケーラブルで解釈可能なアプローチを提案する。 全国的に代表される世帯調査で収集した地上データと比較することにより,貧困,人口,健康の指標を正確に予測する上でのアプローチの有効性を実証した。
  論文  参考訳（メタデータ） (2020-06-15T18:12:12Z)
• Generating Interpretable Poverty Maps using Object Detection in Satellite Images [80.35540308137043]
  衛星画像に物体検出装置を適用することにより、局所レベルでの貧困を正確に予測するための解釈可能な計算手法を実証する。 対象物の重み付けを特徴として、ウガンダの村レベルの貧困を予測する0.539 Pearson's r2を達成し、既存の(解釈不可能でない)ベンチマークよりも31%改善した。
  論文  参考訳（メタデータ） (2020-02-05T02:50:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。