Uydu görüntülerinde derin öğrenme kullanarak yoksulluk tahmini

Dünya yoksulluğu tanımlamakta zorlanmaktadır. Dünya Bankası yoksulluğu günde 2 doların altında yaşayan herkes olarak görmektedir. Hükümetler ve uluslararası örgütler bu yoksulluğu ortadan kaldırmak için çalışmaktadırlar. Bu çalışmada, CNN kavramı aracılığıyla yoksulluğun tahmini üzerine uydu görüntüleri üzerine yapılan bazı araştırmalar gözden geçirilmiştir. Yapılan çalışma Kaggle'dan Nijerya, Mali, Malawi ve Etiyopya'ya ait uydu görüntülerini veri setleri olarak ele almıştır. Bu veri setinin %90 oranındaki kısmı eğitim, %10 oranındaki kısmı test verisi olarak kullanılmıştır. Veri setleri CNN, VGG16 ve ResNet50 kullanılarak analiz edilmiş ve VGG16 modelinin %94 doğrulama başarım değeriyle diğer iki modelden daha iyi performans gösterdiği gözlemlenmiştir. CNN %91 ile ikinci, ResNet'in ise %62 oranıyla en düşük doğrulama başarısına sahip olduğu görülmüştür. Bölgelerin veya ülkelerin desenleri, özellikleri ve manzaralarının kapsamlı verilerini içeren yüksek çözünürlüklü uydu görüntülerinin yükselişi, insanların veya ulusların ekonomik yaşam biçiminin belirlenmesi için uygulanabilmektedir. Uydu görüntülerinin yoksulluk tahminine uygulanması daha fazla tahmine göre daha kolay, daha hızlı ve daha ucuz olmaktadır. Bu çalışma, her bölge veya ülke için büyük uydu görüntülerinin bulunması gerektiğini önermektedir. Gelecek çalışmalarda araştırmacılar yoksulluğu ve suç, yol trafiği, tarım alanları ve benzeri uygulamaların tahmin ve tespit edilmesinde uygulamak için uydu görüntülerine odaklanmalıdırlar.