利用深度学习模型对美国每个0.01平方度单元格的高分辨率人口估计进行了研究，并比较了直接调查和解聚群体技术的优劣。

Aug, 2017

利用机器学习的计算机视觉方法可从卫星图像中创建全球范围内的人口地图，该方法精度高，适用于全球部署，能够检测城市化地区，有助于基础设施规划、疫苗接种计划、灾难响应和高精度洪水风险分析等。

Dec, 2017

该研究提出了一种新的机器学习数据集，可以用于检测非正式聚居地，同时表明使用免费的低分辨率卫星图像进行非正式聚居地侦测是可行的，并演示了两种有效的分类方案，可将这些方案集成到半自动化流水线中。

Jan, 2019

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

该研究介绍了一种新型的混合框架 SynthPop++，该框架可以将来自多个现实调查的数据（具有不同且部分重叠的属性集）组合起来，生成具有真实比例的合成人口，该方法可以用于在印度进行感染病例的代理建模。实验结果表明，我们的合成人口可以在城市、区域和国家级别产生具有真实规模和详细数据的人口数据。

Apr, 2023

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