文件名称：Satellite_Imagery_ML
文件大小：331KB
文件格式：ZIP
更新时间：2024-05-28 15:17:21
R
结合卫星图像和机器学习来预测贫困 该资料库试图帮助读者更深入地研究让·伯克（Jean Burke）等人所做的工作。 通过构建和实现卷积神经网络，在他的论文“结合卫星图像和机器学习来预测贫困”。 在这里，你不仅可以得到由Jean使用的模型一目了然（这是在他的论文给出的“夜间灯光预测从卫星影像”），但也有细微的不同实现自己的CNN模型。 简单的介绍： （注：如果您已阅读本文并完全理解本文，则可以直接跳至实现部分，否则此处是对该项目的一些介绍。） 尼尔·让（Neal Jean）等。 旨在通过将卫星图像和卷积神经网络与迁移学习相结合来帮助预测贫困。 当我们谈论使用卫星图像时，基本上是使用这些高分辨率的白天图像中隐藏的某些功能，这些功能将帮助我们对感兴趣的地区的贫困状况做出未来的预测。现在出现的一个简单问题是，为什么要处理白天时间图像？ 人们可能会想到的一种更直接的方法是使用卫星的夜间图像来预测
【文件预览】：
Satellite_Imagery_ML-master
----cnn-model()
--------train.py(7KB)
--------test()
--------predict.py(3KB)
----data()
--------input()
--------images()
----README.md(7KB)
----scripts()
--------get_coordinates.R(648B)
--------PreProcess_LSMS_Data.R(11KB)
--------.Rhistory(0B)
--------Classification_XYZ.ipynb(3KB)
--------getting_images.ipynb(4KB)
--------DownloadNightLightData.R(2KB)
--------PreProcess_DHS_Data.R(9KB)
--------.ipynb_checkpoints()