Enriqueciendo las perspectivas asiáticas sobre la identificación rápida de la pobreza urbana y sus implicaciones para la desigualdad en la vivienda, este documento contribuye con evidencia empírica sobre la utilidad de las características de imagen derivadas de imágenes satelitales de alta resolución y enfoques de aprendizaje automático para identificar la pobreza urbana en China a nivel comunitario. En el caso del distrito de Jiangxia y el distrito de Huangpi de Wuhan, se calculan características de imagen, incluyendo perímetro, detector de segmentos de línea (LSD), transformada de Hough, matriz de coocurrencia de niveles de gris (GLCM), histograma de gradientes orientados (HoG) y patrones binarios locales (LBP), y se aplican cuatro enfoques de aprendizaje automático y 25 variables para identificar la pobreza urbana y variables relativamente importantes. Los resultados muestran que las características de imagen y los enfoques de aprendizaje automático pueden utilizarse para identificar la pobreza urbana con el mejor rendimiento del modelo con un coeficiente de determinación, R2, de 0.5341 y 0.5324 para Jiangxia y Huangpi, respectivamente, aunque existen algunas diferencias entre los enfoques y las áreas de estudio. La importancia de cada variable difiere para cada enfoque y área de estudio; sin embargo, las variables relativamente importantes son similares. En particular, cuatro variables lograron resultados de predicción relativamente satisfactorios para todos los modelos y presentaron diferencias obvias en diversas comunidades con diferentes niveles de pobreza. La desigualdad en la vivienda dentro de los vecindarios de bajos ingresos, que es una respuesta a las brechas en riqueza, ingresos y asequibilidad de la vivienda entre grupos sociales, es una manifestación importante de la pobreza urbana. Los responsables de políticas pueden implementar estos hallazgos para identificar rápidamente la pobreza urbana, y los hallazgos tienen aplicaciones potenciales para abordar la desigualdad en la vivienda y demostrar la racionalidad de la planificación urbana para construir una sociedad sostenible.