逐幢建筑绘制全球人口地图
使用多种卫星图像输入的两个卷积神经网络结构有效地结合了来自印度乡村地区的卫星图像和2011年人口普查的人口标签，以准确预测一区域的人口密度，性能优于以往研究以及全球人口分布的标准LandScan。
May, 2019
本论文提出了一种通用框架，利用高分辨率卫星图像对低收入城区中密集型非正式定居点——所谓的“贫民窟”——的人口进行估算，并借助本地社区的合作来获得公正的基础数据，以让机器学习应用更加包容、公平和具有问责性。
Sep, 2020
本研究通过使用遥感技术和微调查数据，估算莫桑比克两个示范区内的人口数量，并评估使用公共数据集进行人口估算的可行性。同时，使用现有的建筑足迹数据集进行转移学习，并结合额外的“点”标注来提升人口估算精度，结果显示使用该方法计算的建筑足迹面积可以显著提升人口预测精度。
Apr, 2021
研究人口分布，提供包括数字高程模型、本地气候区域、土地利用比例、夜间灯光和Sentinel-2的多光谱图像以及Open Street Map计划的数据，为人口估计的研究提供了一个全面的数据集。
Apr, 2022
本文提出了一种将光学和SAR遥感图像融合到共同数据空间中的方法，并在巴基斯坦2022年洪水中进行实证研究，揭示了洪水泛滥对地区人口和基础设施的影响。
May, 2023
通过使用深度分割网络和卫星图像，利用准确的建筑定居面具，我们以30米乘30米的分辨率准确估计人口数量，并利用兴趣点（POI）数据排除非居民区。
Jul, 2023
使用免费且全球可用的Sentinel-1和Sentinel-2卫星图像以及少量粗糙人口普查区域的集总人口计数进行校准，我们开发了一种名为POPCORN的人口映射方法，其数据需求最小，却超越了现有方案的映射准确性，能够生成最新和高分辨率的人口地图，以民主化地为需要更新的地区提供资源。
Nov, 2023
本研究旨在通过高分辨率的印度遥感卫星数据集解决地方人口估算的问题。通过使用Carto2S的多视角数据生成精准的数字高程模型（DEM）和数字地形模型（DTM），并提取建筑物高度，从而创建准确的3D城市模型，实现对居民区内住房数量的有效估算，进而辅助手段为地方行政管理与决策提供支持。
Nov, 2024