在现代教育中，可靠的互联网接入至关重要，但在发展中地区，数百万学龄儿童因学校未联网而无法上网。Giga Initiative旨在将每所学校连接到互联网，但在大规模实施时，需要高效的方法来绘制学校地图并评估周围的连接基础设施，避免依赖稀疏或嘈杂的第三方数据集。
为此，我们提出了一种可扩展的、仅基于视觉的框架，该框架利用高分辨率卫星图像和迁移学习同时解决这两个任务。通过将预训练的目标检测模型适应于新的地理区域，且仅需极少的标记数据，我们能够直接从太空中探测学校和基站。
接着，我们分析检测到的学校与附近基站之间的空间关系，以此作为连接可用性的代理。这种纯图像驱动的流程实现了大规模基础设施映射，减少了对辅助数据的依赖，并支持在服务不足地区对连接投资的基于数据的优先级排序。
我们的方案在莱索托的真实卫星图像上进行了演示，显示出该地区的强大表现。
博主点评： 该研究通过创新的视觉分析方法，为解决发展中地区的数字鸿沟提供了新思路。利用卫星图像和迁移学习的结合，不仅提高了学校和基站的探测效率，也为政策制定者提供了数据支持，具有重要的社会价值。无疑，这一技术将在未来的数字基础设施建设中发挥关键作用。