AIとYOLOv5 都市の品質測定をどのように革新し、効果的な政策立案と都市の課題への取り組みを支援しているかをご覧ください。Ultralyticsインパクトをご覧ください。
都市空間の質の正確な測定は、貧困、インフラ、交通、健康、安全など、都市居住者が直面するさまざまな課題に対処する効果的な政策を作成する上で重要な側面です。ただし、犯罪率、所得水準、住宅状況などの社会経済的データを、不定期な市民調査を通じて収集する従来の方法は、頻度が少なく、費用がかかり、人間の認識に依存するため、近隣レベルでの状況の最新の全体像が得られないため、不十分です。
この分野におけるAIの利用は急速に普及しており、研究者たちは衛星画像を利用して都市のスプロール現象を定量化したり、機械学習プロジェクトで発展途上国の貧困、富、収入の大規模なマッピングを生成したりする実験を行っています。これらの進歩にもかかわらず、都市環境内の物理的な景観と、それが時間とともにどのように変化するかは、まだ十分に解明されていません。
アンドレア・ヴァレブエノによると、「都市空間の質、経年変化、空間的不平等を記録する適切な尺度は存在しない」。 アンドレアは、共著者であるヨンソク・リーとともに、高頻度のGoogle 画像を使用し、街segment レベルのパネルデータを構築することで、このギャップを埋め、この分野のパイオニアとなった。
Andrea Vallebuenoは、スタンフォード大学の規制、評価、ガバナンス研究所の計算科学の研究員です。
アンドレアは、ソーシャルグッドなアプリケーションにデータサイエンスを活用したいという情熱から、機械学習とビジョンAIの活用を探求するようになった。経済学のバックグラウンドを持ち、スタンフォード大学でデータサイエンスの修士号を取得したアンドレアは、約1年半前からYOLOv5 使用している。
メキシコシティで子供時代を過ごしたアンドレアは、サンタフェのような地域間の劇的な格差を痛感していました。そこでは、大きなコンクリートの壁が富裕層と貧困層を隔てていました。データサイエンティストの研究者として、バレブエノは、従来の経済データがこれらの極端な違いを見落とし、不平等と都市の衰退の指標を曖昧にしていることを懸念するようになりました。彼女は、世界中の都市に流入する人々が増加するにつれて、詳細なデータの不足がより深刻な問題になることに気づきました。
アンドレアとヨンは、都市の衰退を客観的に測定することを目的とした。彼らはGoogle 画像の物体検出を使い、都市の衰退を示す8つの都市の特徴を捉えた。彼らが選んだのは YOLOv5を選んだ理由は、その推論スピードと、彼らのユースケースにとって重要な文脈情報の利用である。
学習させたモデルを用いて、サンフランシスコ、メキシコシティ、サウスベンドのさまざまな地域のストリートビュー画像114,000枚に対して推論を行った。8つの属性の検出値をストリート・segment レベルで集計し、都市衰退の指標を生成し、都市衰退の発生率の経時変化を測定した。
Andrea氏と彼女のチームは、YOLOv5 驚くほど簡単に作業でき、大半の時間はデータセットのキュレーションとモデルのトレーニングに費やされた。彼らは、実験追跡ツールとの統合や、バウンディングボックスの自動学習を高く評価し、このプロセスをより身近なものにしました。
Andreaと彼女のチームは、都市の質の尺度を拡大し、物理的な都市環境のポジティブな属性を含め、多様な都市近隣地域でこれらの指標のパフォーマンスをテストすることに意欲的です。
サンフランシスコのテンダーロイン地区で、ホームレスの住居として使用されているテント/タープのモデル検出セットの経時的な可視化。
AIを初めて使用する人にとって、Andreaは、情熱を注げる問題や研究課題を見つけ、AIライフサイクル全体を経験することを推奨しています。彼女は、これが直感を養い、モデルの限界を理解するための最良の方法の1つであると考えています。
AIは、大学や研究者にとってますます重要なツールになりつつあります。AIを活用することで、複雑なデータセットを調査および理解し、調査結果をより正確かつ信頼性の高いものにすることができます。研究者はAIを活用することで、都市空間と都市生活者が直面する課題をより包括的に理解し、より良い政策と解決策につなげることができます。
アンドレアのYOLOv5経験をお読みいただきありがとうございます！あなたの経験を共有したいですか？あなたの体験をUltralytics Ultralyticsにタグ付けしてください。 Ultralytics YOLOをタグ付けしてください。
.webp)
