17 de fevereiro de 2023
Explore como a IA e YOLOv5 inovam a medição da qualidade urbana, ajudando a elaborar políticas eficazes e a enfrentar os desafios urbanos. Descubra o impacto da Ultralytics.
A medição precisa da qualidade dos espaços urbanos é um aspecto crítico na criação de políticas eficazes que abordem os vários desafios enfrentados pelos moradores urbanos, como pobreza, infraestrutura, transporte, saúde e segurança. No entanto, os métodos tradicionais de coleta de dados socioeconômicos, como taxas de criminalidade, níveis de renda e condições de moradia, por meio de pesquisas ocasionais com cidadãos, são inadequados, pois são infrequentes, caros e dependem da percepção humana, levando a uma imagem desatualizada das condições no nível do bairro.
O uso de IA nesta área está ganhando popularidade rapidamente, com pesquisadores experimentando imagens de satélite para quantificar a expansão urbana e projetos de aprendizado de máquina para gerar mapeamentos em larga escala de pobreza, riqueza e renda em países em desenvolvimento. Apesar desses avanços, a paisagem física dentro dos ambientes urbanos e como ela muda ao longo do tempo ainda não foi totalmente explorada.
De acordo com Andrea Vallebueno, "não existe uma medida adequada que documente a qualidade do espaço urbano, a sua mudança ao longo do tempo e a desigualdade espacial que apresenta." Andrea trabalhou com o seu coautor, Yong Suk Lee, para preencher esta lacuna, utilizando imagens de alta frequência Google Street View e construindo dados de painel ao nível do segment rua, o que os tornou pioneiros neste domínio.
Andrea Vallebueno é Pesquisadora de Ciência da Computação no Laboratório de Regulação, Avaliação e Governança da Universidade de Stanford.
A paixão de Andrea pela utilização da ciência de dados para aplicações de bem social levou-a a explorar a utilização da aprendizagem automática e da IA de visão. Com formação em economia e um mestrado em ciência de dados em Stanford, Andrea utiliza YOLOv5 há cerca de um ano e meio.
Quando criança na Cidade do México, Andrea estava bem ciente das disparidades dramáticas entre bairros como Santa Fé, onde um grande muro de concreto separava ricos de pobres. Como pesquisadora de ciência de dados, Vallebueno começou a se preocupar com a forma como os dados econômicos tradicionais ignoram essas diferenças extremas, obscurecendo os indicadores de desigualdade e declínio urbano. Ela percebeu que, com o crescente influxo de pessoas se mudando para as cidades em todo o mundo, a falta de dados detalhados só se tornaria uma questão mais premente.
Andrea e Yong pretendiam criar uma medida objetiva da degradação urbana. Utilizaram a deteção de objectos nas imagens Google Street View para captar oito caraterísticas urbanas que são indicativas de degradação urbana. Escolheram o YOLOv5 devido à sua velocidade de inferência e à utilização de informações contextuais, o que era crucial para o seu caso de utilização.
O modelo treinado foi utilizado para efetuar inferência em 114.000 imagens de street view de diferentes bairros de São Francisco, Cidade do México e South Bend. As detecções dos oito atributos foram agregadas ao nível do segment rua para gerar índices de degradação urbana e medir a alteração da incidência da degradação urbana ao longo do tempo.
Andrea e a sua equipa consideraram YOLOv5 incrivelmente fácil de trabalhar, tendo passado a maior parte do tempo a organizar o seu conjunto de dados e a treinar os seus modelos. Apreciaram a integração com ferramentas de controlo de experiências e a aprendizagem automática de caixas delimitadoras, o que tornou o processo muito mais acessível.
Andrea e sua equipe estão animados para expandir sua medida de qualidade urbana para incluir atributos positivos do ambiente urbano físico e testar o desempenho desses índices em um conjunto diversificado de bairros urbanos.
Visualização do conjunto de deteções de modelos de tendas/lonas utilizadas como habitações para pessoas sem-abrigo ao longo do tempo no bairro de Tenderloin, São Francisco.
Para aqueles que são novos em IA, Andrea recomenda encontrar um problema ou questão de pesquisa que os apaixone e passar por todo o ciclo de vida da IA. Ela acredita que esta é uma das melhores maneiras de construir intuição e entender as limitações de seu modelo.
A IA está a tornar-se cada vez mais uma ferramenta crucial para universidades e investigadores, pois permite-lhes explorar e compreender conjuntos de dados complexos, tornando as suas descobertas mais precisas e fiáveis. Ao aproveitar a IA, os investigadores podem criar uma compreensão mais abrangente dos espaços urbanos e dos desafios que os habitantes urbanos enfrentam, levando a melhores políticas e soluções.
Obrigado por ler sobre a experiência da Andrea com o YOLOv5! Gostaria de partilhar a sua experiência? Marque-nos em todo o lado Ultralytics com a sua própria Ultralytics YOLO e nós promoveremos seu trabalho para a comunidade de ML.
.webp)
