动态、高分辨率贫困数据稀缺环境中的测量

准确而全面的家庭生计测量对于监测减贫进展和社会援助计划的针对性至关重要。然而，传统数据收集的高成本历来使全面测量成为一个难题。本文评估了四种非洲国家详细家庭普查提取数据的替代基于卫星的深度学习方法，以加速大规模、细粒度和动态贫困测量的进步。结果表明，变压器架构解决了多个开放问题。 测量问题，通过提供对各国和城市家庭资产财富局部水平变化的最准确测量，以及家庭资产财富随时间的变化进行测量。人工限制数据可用性的实验展示了模型在数据有限的情况下实现高性能的能力。提出的方法证明了结合卫星图像、公开可获取的地理特征以及新的深度学习架构，可以在数据稀缺的环境中实现高度局部化和动态的贫困测量的潜力。