AI와 YOLOv5가 도시 품질 측정을 혁신하여 효과적인 정책 결정과 도시 문제 해결을 지원하는 방법을 알아보세요. Ultralytics의 영향력을 확인해 보세요.
AI와 YOLOv5가 도시 품질 측정을 혁신하여 효과적인 정책 결정과 도시 문제 해결을 지원하는 방법을 알아보세요. Ultralytics의 영향력을 확인해 보세요.
도시 공간의 질을 정확하게 측정하는 것은 빈곤, 인프라, 교통, 건강, 안전 등 도시 거주자들이 직면한 다양한 문제에 대처하는 효과적인 정책을 수립하는 데 매우 중요합니다. 그러나 범죄율, 소득 수준, 주거 환경과 같은 사회경제적 데이터를 수집하는 기존 방식은 부정기적이고 비용이 많이 들 뿐만 아니라 인간의 인식에 의존하기 때문에 시대에 뒤떨어진 동네 수준의 상황을 보여주는 데 그쳐 적절하지 않습니다.
이 분야에서 AI의 사용은 빠르게 인기를 얻고 있으며, 연구자들은 위성 이미지를 사용하여 도시 확산을 정량화하고, 머신 러닝 프로젝트를 통해 개발 도상국의 빈곤, 부, 소득에 대한 대규모 매핑을 생성하고 있습니다. 이러한 발전에도 불구하고 도시 환경 내의 물리적 경관과 시간 경과에 따른 변화는 아직 완전히 탐구되지 않았습니다.
Andrea Vallebueno에 따르면 "도시 공간의 질, 시간 경과에 따른 변화, 공간적 불평등을 문서화하는 적절한 척도가 없습니다." Andrea는 공동 저자인 Yong Suk Lee와 함께 고빈도 Google 스트리트 뷰 이미지를 사용하고 거리 세그먼트 수준에서 패널 데이터를 구성하여 이러한 격차를 해소했으며, 이 분야의 선구자가 되었습니다.
Andrea Vallebueno는 스탠포드 대학교 규제, 평가 및 거버넌스 연구소의 전산 과학 연구원입니다.
데이터 과학을 사회 공헌 애플리케이션에 사용하려는 Andrea의 열정은 그녀가 머신 러닝과 비전 AI 사용을 탐구하도록 이끌었습니다. 경제학 배경과 스탠포드 데이터 과학 석사 학위를 가진 Andrea는 약 1년 반 동안 YOLOv5를 사용해 왔습니다.
멕시코 시티에서 어린 시절을 보낸 Andrea는 산타페와 같이 부자와 가난한 사람을 분리하는 큰 콘크리트 벽이 있는 동네 간의 극명한 격차를 예리하게 인식했습니다. 데이터 과학자 연구원으로서 Vallebueno는 전통적인 경제 데이터가 이러한 극단적인 차이를 간과하여 불평등과 도시 쇠퇴 지표를 가리는 방식에 대해 우려하게 되었습니다. 그녀는 전 세계 도시로 이주하는 사람들의 유입이 증가함에 따라 자세한 데이터 부족이 더욱 시급한 문제가 될 것이라는 것을 깨달았습니다.
Andrea와 Yong은 도시 쇠퇴에 대한 객관적인 측정 기준을 만드는 것을 목표로 했습니다. 그들은 Google 스트리트 뷰 이미지에서 도시 쇠퇴를 나타내는 8가지 도시 특징을 캡처하기 위해 객체 탐지를 사용했습니다. 그들은 추론 속도와 컨텍스트 정보 사용으로 인해 YOLOv5를 선택했는데, 이는 그들의 사용 사례에 매우 중요했습니다.
훈련된 모델은 샌프란시스코, 멕시코 시티, 사우스 벤드의 여러 지역에서 가져온 114,000개의 거리 뷰 이미지에서 추론을 실행하는 데 사용되었습니다. 8가지 속성의 탐지 결과는 거리 세그먼트 수준에서 집계되어 도시 쇠퇴 지수를 생성하고 시간 경과에 따른 도시 쇠퇴 발생률의 변화를 측정했습니다.
Andrea와 그녀의 팀은 YOLOv5가 작업하기 매우 쉽다는 것을 알게 되었으며, 대부분의 시간을 데이터 세트 큐레이팅과 모델 훈련에 할애했습니다. 그들은 실험 추적 도구와의 통합과 바운딩 박스의 자동 학습에 감사했으며, 이는 프로세스를 훨씬 더 쉽게 만들었습니다.
Andrea와 그녀의 팀은 도시 환경의 긍정적인 속성을 포함하도록 도시 품질 측정 기준을 확장하고 다양한 도시 지역에서 이러한 지표의 성능을 테스트하게 되어 기쁩니다.
샌프란시스코 텐더로인 지역에서 시간이 지남에 따라 노숙자 거주지로 사용되는 텐트/타프의 모델 감지 세트 시각화.
AI를 처음 접하는 사람들에게 Andrea는 열정을 쏟을 수 있는 문제나 연구 질문을 찾아 AI 전체 라이프 사이클을 경험해 볼 것을 권장합니다. 이는 직관을 키우고 모델의 한계를 이해하는 데 가장 좋은 방법 중 하나라고 믿기 때문입니다.
AI는 대학과 연구자들이 복잡한 데이터 세트를 탐색하고 이해하여 연구 결과를 더 정확하고 신뢰할 수 있게 해주는 중요한 도구가 되고 있습니다. AI를 활용함으로써 연구자들은 도시 공간과 도시 거주자들이 직면한 문제에 대한 보다 포괄적인 이해를 구축하여 더 나은 정책과 솔루션으로 이어질 수 있습니다.
YOLOv5에 대한 Andrea의 경험을 읽어주셔서 감사합니다! 당신의 경험을 공유하고 싶으신가요? 당신만의 Ultralytics YOLO 사용 사례를 @Ultralytics 태그하여 공유해 주시면 ML 커뮤니티에 홍보해 드리겠습니다.
