基于门控注意力特征融合框架的贫困预测

本研究解决了在发展地区利用深度学习准确估计贫困水平的难题，尤其是传统方法如家庭调查成本高、频率低且迅速过时。我们提出了一种先进的卷积神经网络架构，通过引入门控注意力特征融合模块（GAFM）来扩展ResNet50模型。该模型能够有效捕捉和组合卫星图像中的全球和局部特征，达到了75%的R2得分，显著超越了现有贫困映射的领先方法，展示了其在遥感和贫困估计中的潜力。