【O'Reilly AI Conference 2019】通过卫星图像预测生活质量（ Predicting the quality of life from satellite imagery），Gramener，Ganes Kesari、Soumya Ranjan

报告主题： Predicting the quality of life from satellite imagery

报告主题： Predicting the quality of life from satellite imagery

摘要： Ganes Kesari和Soumya Ranjan探究了卫星图像如何提供一种替代的地面实况，该事实在高分辨率下是准确的，可以作为时间序列在各个时段中使用，易于访问且相对便宜。尽管这是视觉信息的丰富来源，但挑战在于处理图像和产生有用的见解。深度学习的进步帮助解决了这一最后的障碍，将巨大的力量掌握在人们手中，为社会经济数据分析铺平了道路。 通过在卫星图像上应用深度学习，丰富的人口普查数据以及使用高级分析方法，这些信息有助于回答有关印度模式的基本问题。它可以显示随时间推移的城市化程度和步伐，提供基于人口普查的贫困指标与航空影像中的视觉发展指标的比较，并可以识别从人口普查指标中观察到的异常情况，例如扫盲，就业和医疗保健从卫星图像的角度来看。 Ganes和Soumya解释了他们工作的灵感，Stefano Ermon等人，他们用夜灯代替非洲的贫穷。深度学习需要大量标记数据；在这种情况下，他们使用转移学习克服了最初的障碍。 Planet.com发布了一些开放数据，他们使用SpaceNet数据训练了模型的权重，然后将其改编为印度乡村和城市的特定卫星图像。 对三个网络进行了培训，以完成三个不同的任务，分别提取建筑物的占地面积，提取土地使用和道路模式以及提取夜间照明模式。对这三个网络的输出进行了结构化，并与地区级人口普查数据相结合，以用作社会经济分析的输入。统计技术和机器学习算法揭示了可以推动潜在政策决策的人口统计见解。

邀请嘉宾:

Ganes Kesari是Gramener的联合创始人兼分析负责人，他领导数据科学的分析和创新，为企业提供有关从数据科学计划中获取价值的建议，并在Gramener AI Labs领导深度学习的应用研究。 他对机器学习，信息设计和数据驱动的业务领导力的融合充满热情，并致力于简化和揭开数据科学的神秘面纱。

Soumya Ranjan是Gramener AI Labs的数据科学家，专门研究深度学习和机器学习技术来解决医疗，环保和安全等垂直领域的问题。 由于他在构建涵盖实时选举分析和可视化的数据可视化工具和库方面的经验，他对数据充满热情并喜欢围绕其讲述美丽的故事。 Soumya坚信免费提供优质的教育。 为此，他在大学任教，参与讨论AI / ML课程，并曾在Udacity和Thinkful担任代码审查员和导师。