最近，一篇名为《Using Deep Learning and Google Street View to Estimate the  Demographic Makeup of the  US》的论文发布到了arxiv.org上，作为这篇论文的联合作者之一，李飞飞在她的推特上向公众推荐了这篇论文。这篇论文主要论述了如何将谷歌街景车搜集来的机动车辆数据，结合机器学习算法，从而估算出本地区人口的特征和组成，甚至这一地区居民的政治倾向。

下面是这篇论文的一些节选内容。

几千年来，统治者和政策制定者进行全国人口调查，用来搜集人口数据。在美国，最细致的人口调查工作就是“美国社区调差”(ACS)，由美国普查局执行，每年花费10亿美元和6500人以上的人力。这是一个劳动密集型数据搜集过程。

最近几年，计算方法崛起成为解决社会科学领域问题的有效方法。比如用Twitter上的数据预测失业率、使用书里的大量文本分析文化等等。这些例子表明，计算方法可以促进社会经济领域的研究发展，最终可以详细、实时地分析人口趋势，并且成本很便宜。

我们的研究表明，结合公共数据和机器学习方法，可以得到社会经济数据和美国人的政治倾向。我们的流程里，针对几个城市耗费少量人力来搜集数据，然后用来预测全美的状况。

具体而言，我们分析了由谷歌街景汽车在200个城市里搜集来的5000万张图片。我们的数据主要是关于机动车辆，因为90%的美国家庭都拥有至少一辆汽车，而且人们对汽车的选择受到多种人口因素的影响，包括家庭需求、个人偏好和资金等。

基于深度学习的CNN计算机视觉框架，不仅能够在复杂的街景下识别出汽车，还能鉴定出一系列汽车特征，包括材料、型号和年份。对于一个未经训练的人来说，汽车之间的不同是难以发觉的。比如，同一型号的汽车，不同年份的在尾灯有微小变化(比如2007产的Honda  Accord和2008年产Honda  Accord)。然而，我们的系统就能够将汽车分成2657类，每张图片的分析时间只需0.2秒。该系统可以在2周时间里对5000万张图片分类，而一个专业的人类分类员，假设他每张需要10秒时间，将会花费15年的时间完成这个任务。

利用谷歌街景汽车搜集来5000万张图片，我们使用图像识别算法(Deformable Part  Model)来学习自动搜集汽车图片。搜集每一辆汽车图片后，我们部署CNN模型，用来进行物体分类，来判定每一辆车的材料、型号、车型和年份。然后，我们根据城镇名字分类数据库，划分到两个数据库里。第一个是"训练库"，包含了所有名字以A、B、  C开头的地区，这个数据库包括了35个城市，训练产生模型;第二个是“测试库”，包括所有名字以D、Z为开头的地区，这个数据库用来提升模型。

我们总共搜集了2200万辆(占全美汽车总数8%)汽车的数据，用来准确估算这个地区的收入、种族、教育和投票程式(voting  pattern)。结果显示出的关系出人意料的简单和有力。比如，如果在一个城市里15分钟的车程中，遇到的轿车数量高于卡车数量，那么这个城市倾向于在下届大选中投票给民主党(88%几率);反之则倾向于投票给共和党(82%)。我们的结果表明，自动系统监测使用良好的空间分辨率，能够接近实时地监测人口趋势，可以有效地辅助劳动密集型的调查方法。