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 важнейшим аспектом при разработке эффективной политики, направленной на решение различных проблем, с которыми сталкиваются городские жители, таких как бедность, инфраструктура, транспорт, здоровье и безопасность. Однако традиционные методы сбора социально-экономических данных, таких как уровень преступности, уровень доходов и жилищные условия, с помощью периодических опросов граждан неадекватны, поскольку они нечасты, дороги и зависят от человеческого восприятия, что приводит к устаревшей картине условий на уровне района.
Использование искусственного интеллекта в этой области быстро набирает популярность: исследователи экспериментируют со спутниковыми снимками для количественной оценки разрастания городов, а проекты машинного обучения позволяют создавать масштабные карты бедности, богатства и доходов в развивающихся странах. Несмотря на эти достижения, физический ландшафт в городской среде и его изменения с течением времени еще не до конца изучены.
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 сегмента улицы, что сделало их пионерами в этой области.
Андреа Валлебуэно - научный сотрудник отдела вычислительных наук 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.
Будучи ребенком в Мехико, Андреа остро ощущала резкие различия между такими районами, как Санта-Фе, где большая бетонная стена отделяла богатых от бедных. Став исследователем в области обработки данных, Валлебуэно обеспокоилась тем, как традиционные экономические данные упускают из виду эти крайние различия, скрывая показатели неравенства и упадка городов. Она поняла, что с растущим потоком людей, переселяющихся в города по всему миру, нехватка подробных данных станет еще более актуальной проблемой.
Андреа и Йонг задались целью создать объективный показатель городского упадка. Они использовали обнаружение объектов на снимках Google Street View, чтобы зафиксировать восемь городских особенностей, которые свидетельствуют об упадке городов. Они выбрали YOLOv5 из-за его скорости вывода и использования контекстной информации, что было очень важно для их случая.
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 сегмента 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 с нетерпением ждут возможности расширить свои показатели качества городской среды, включив в них положительные атрибуты физической городской среды, и проверить эффективность этих индексов в различных городских кварталах.
Визуализация набора модельных обнаружений палаток/шатров, используемых в качестве жилья для бездомных, с течением времени в районе Тендерлойн, Сан-Франциско.
Новичкам в области ИИ Андреа рекомендует найти проблему или исследовательский вопрос, которым они увлечены, 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 важнейшим инструментом для университетов и исследователей, поскольку он позволяет им изучать и понимать сложные массивы данных, делая их выводы более точными и надежными. Используя ИИ, исследователи могут получить более полное представление о городских пространствах и проблемах, с которыми сталкиваются горожане, что приведет к разработке более эффективной 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.
