Нейросеть определяет богатые районы по снимкам из космоса

Исследователи из Высшей нормальной школы Лиона и Центрально-Европейского университета обучили нейронную сеть, которая исследует социально-экономическое неравенство, возникшее из-за урбанизации.

Ученым удалось предсказать социально-экономический статус жителей разных городских районов Франции по аэрофотоснимкам. Исследователи использовали сверточную нейронную сеть. Этот тип нейросетей отличается высокой способностью к распознаванию объектов на снимках и поэтому является стандартом в компьютерном зрении.

Исследователи протестировали модель на спутниковых снимках разных районов. Нейросеть выдала хорошие результаты, но прогнозы основывались на городских особенностях, которые лишь косвенно связаны с доходом. Например, богатые городские районы лучше освещены в темное время суток из-за обилия общественных мест и коммерческих зданий, а спальные районы освещены гораздо меньше.

Сверточная нейронная сеть продемонстрировала потенциал для сбора социально-экономической информации о географических регионах. Но признаки, на которые опирается нейросеть, могут быть не самым точным маркером экономического благополучия. Ученые отметили, что конечная цель работы — получение информации об экономическом развитии региона только по аэрофотоснимкам, без ручного сбора данных о переписи населения.

Источники

• Interpretable socioeconomic status inference from aerial imagery through urban patterns
• Socioeconomic correlations of urban patterns inferred from aerial images: interpreting activation maps of Convolutional Neural Networks