Juliette Unwin PhD

KidSat模型通过卫星图像增强以预测贫困

研究人员增强了KidSat框架，以提高使用卫星图像预测贫困的准确性。更新的流程包括精细的数据预处理、系统性的图像质量评估以过滤掉被云层遮挡或损坏的图像，以及一种新颖的地理编码方法。通过将DINOv2的视觉嵌入与球面谐波位置特征融合，该系统在预测严重贫困方面实现了18.83%的平均绝对误差（MAE）相对降低。当扩展到预测33个非洲国家的贫困状况时，增强后的模型也表现出强劲的性能。