17 de fevereiro de 2023
Explore como a IA e o YOLOv5 inovam na medição da qualidade urbana, auxiliando na formulação de políticas eficazes e enfrentando 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, sua mudança ao longo do tempo e a desigualdade espacial que ele apresenta." Andrea trabalhou com seu coautor, Yong Suk Lee, para preencher essa lacuna usando imagens de alta frequência do Google Street View e construindo dados de painel no nível do segmento de rua, tornando-os os pioneiros neste campo.
Andrea Vallebueno é Pesquisadora de Ciência da Computação no Laboratório de Regulação, Avaliação e Governança da Universidade de Stanford.
A paixão de Andrea por usar a ciência de dados para aplicações de bem social a levou a explorar o uso de aprendizado de máquina e visão de IA. Com formação em economia e mestrado em ciência de dados pela Stanford, Andrea usa o 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 tinham como objetivo criar uma medida objetiva de deterioração urbana. Eles usaram a detecção de objetos em imagens do Google Street View para capturar oito características urbanas que são indicativas de deterioração urbana. Eles escolheram o YOLOv5 devido à sua velocidade de inferência e ao uso de informações contextuais, o que foi crucial para seu caso de uso.
O modelo treinado foi usado para executar a inferência em 114.000 imagens de street view de diferentes bairros em São Francisco, Cidade do México e South Bend. As detecções dos oito atributos foram agregadas no nível do segmento de rua para gerar índices de deterioração urbana e medir a mudança na incidência de deterioração urbana ao longo do tempo.
Andrea e sua equipe acharam o YOLOv5 incrivelmente fácil de usar, com a maior parte do tempo gasto na curadoria de seu conjunto de dados e no treinamento de seus modelos. Eles apreciaram a integração com ferramentas de rastreamento de experimentos e o aprendizado automático 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 de Andrea com o YOLOv5! Gostaria de partilhar a sua experiência? Marque-nos em todo o lado @Ultralytics com o seu próprio caso de uso Ultralytics YOLO e nós promoveremos o seu trabalho para a comunidade de ML.
