基于卷积神经网络的解释卫星预测贫困状况研究

该论文通过细致分析深度卷积神经网络（CNNs）对卫星图像进行预测贫困和发展指标的详细反应，并解释了其预测基础。该 CNN 模型能够在比较低分辨率的白天和夜间卫星图像上优于人类主观观察高分辨率图像进行财富指数分类。多种可解释性实验表明对象大小、像素颜色以及不同结构在输入图像中的重要性，并提供了最大化网络财富指数预测的类型图像的可视化，这为 CNN 预测的依据提供了线索。