17 февраля 2023 г.
Узнайте, как искусственный интеллект и YOLOv5 внедряют инновации в измерение качества городской среды, способствуя эффективному формированию политики и решению городских проблем. Узнайте о влиянии Ultralytics.
Точное измерение качества городских пространств является критически важным аспектом в создании эффективной политики, направленной на решение различных проблем, с которыми сталкиваются городские жители, таких как бедность, инфраструктура, транспорт, здравоохранение и безопасность. Однако традиционные методы сбора социально-экономических данных, такие как уровень преступности, уровень доходов и жилищные условия, посредством случайных опросов граждан неадекватны, поскольку они нечасты, дороги и полагаются на человеческое восприятие, что приводит к устаревшей картине условий на уровне района.
Использование ИИ в этой области быстро набирает популярность: исследователи экспериментируют со спутниковыми снимками для количественной оценки разрастания городов и проектами машинного обучения для создания крупномасштабных карт бедности, богатства и доходов в развивающихся странах. Несмотря на эти достижения, физический ландшафт в городских условиях и то, как он меняется со временем, еще предстоит полностью изучить.
По словам Андреа Вальебуэно, "не существует адекватной меры, которая документировала бы качество городского пространства, его изменение с течением времени и пространственное неравенство, которое оно представляет". Андреа вместе со своим соавтором Йонг Сук Ли восполнила этот пробел, используя высокочастотные снимки Google Street View и построив панельные данные на уровне segment улицы, что сделало их пионерами в этой области.
Андреа Валлебуэно — научный сотрудник в области вычислительной науки в Лаборатории регулирования, оценки и управления Стэнфордского университета.
Страсть Андреа к использованию науки о данных для решения социальных задач привела ее к изучению возможностей машинного обучения и искусственного интеллекта. Имея экономическое образование и степень магистра наук о данных в Стэнфорде, Андреа использует YOLOv5 уже около полутора лет.
В детстве в Мехико Андреа остро осознавала резкие различия между районами, такими как Санта-Фе, где большая бетонная стена отделяла богатых от бедных. Будучи исследователем данных, Вальебуэно обеспокоилась тем, как традиционные экономические данные упускают из виду эти крайние различия, затушевывая показатели неравенства и городского упадка. Она поняла, что с растущим притоком людей, переезжающих в города по всему миру, отсутствие подробных данных станет еще более насущной проблемой.
Андреа и Йонг задались целью создать объективный показатель городского упадка. Они использовали функцию обнаружения объектов на снимках Google Street View, чтобы зафиксировать восемь городских особенностей, которые свидетельствуют о городском упадке. Они выбрали YOLOv5 благодаря его скорости вывода и использованию контекстной информации, что было очень важно для их задачи.
Обученная модель была использована для вычисления на 114 000 изображений улиц из разных районов Сан-Франциско, Мехико и Саут-Бенда. Обнаруженные восемь признаков были агрегированы на уровне segment улицы для создания индексов городского упадка и измерения изменений в распространенности городского упадка с течением времени.
Андреа и ее команда обнаружили, что с YOLOv5 невероятно легко работать, и большая часть их времени ушла на создание набора данных и обучение моделей. Они высоко оценили интеграцию с инструментами отслеживания экспериментов и автоматическое обучение ограничительных рамок, что сделало процесс гораздо более доступным.
Андреа и ее команда рады расширить свою оценку качества городской среды, включив в нее положительные характеристики физической городской среды, и проверить эффективность этих индексов в различных городских районах.
Визуализация набора обнаружений моделей палаток/тентов, используемых в качестве жилищ для бездомных, с течением времени в районе Тендерлойн, Сан-Франциско.
Для тех, кто плохо знаком с ИИ, Андреа рекомендует найти проблему или исследовательский вопрос, к которому они испытывают страсть, и пройти полный жизненный цикл ИИ. Она считает, что это один из лучших способов развить интуицию и понять ограничения своей модели.
ИИ все чаще становится важным инструментом для университетов и исследователей, поскольку он позволяет им исследовать и понимать сложные наборы данных, делая их выводы более точными и надежными. Используя ИИ, исследователи могут создать более полное представление о городских пространствах и проблемах, с которыми сталкиваются жители городов, что приведет к улучшению политики и решений.
Спасибо, что прочитали об опыте Андреа с YOLOv5! Хотите поделиться своим опытом? Отметьте нас в Ultralytics со своим собственным Ultralytics YOLO и мы прорекламируем вашу работу в сообществе ML.
.webp)
