Ngày 17 tháng 2 năm 2023
Khám phá cách AI và YOLOv5 cải tiến việc đo lường chất lượng đô thị, hỗ trợ hoạch định chính sách hiệu quả và giải quyết các thách thức đô thị. Khám phá tác động của Ultralytics.
Đo lường chính xác chất lượng không gian đô thị là một khía cạnh quan trọng trong việc tạo ra các chính sách hiệu quả giải quyết các thách thức khác nhau mà cư dân đô thị phải đối mặt như đói nghèo, cơ sở hạ tầng, giao thông, sức khỏe và an toàn. Tuy nhiên, các phương pháp truyền thống để thu thập dữ liệu kinh tế xã hội như tỷ lệ tội phạm, mức thu nhập và điều kiện nhà ở thông qua các cuộc khảo sát công dân không thường xuyên là không đủ, vì chúng không thường xuyên, tốn kém và phụ thuộc vào nhận thức của con người, dẫn đến hình ảnh lỗi thời về điều kiện ở cấp độ khu phố.
Việc sử dụng AI trong lĩnh vực này đang nhanh chóng trở nên phổ biến, với các nhà nghiên cứu thử nghiệm hình ảnh vệ tinh để định lượng sự phát triển đô thị và các dự án học máy để tạo ra các bản đồ quy mô lớn về đói nghèo, giàu có và thu nhập ở các nước đang phát triển. Bất chấp những tiến bộ này, cảnh quan vật lý trong môi trường đô thị và cách nó thay đổi theo thời gian vẫn chưa được khám phá đầy đủ.
Theo Andrea Vallebueno , "không có biện pháp đầy đủ nào ghi lại chất lượng không gian đô thị, sự thay đổi của nó theo thời gian và sự bất bình đẳng về không gian mà nó thể hiện". Andrea đã làm việc với đồng tác giả của mình, Yong Suk Lee , để lấp đầy khoảng trống này bằng cách sử dụng hình ảnh Google Street View tần suất cao và xây dựng dữ liệu bảng ở cấp độ đoạn đường, khiến họ trở thành những người tiên phong trong lĩnh vực này.
Andrea Vallebueno là Nghiên cứu viên Khoa học tính toán tại Phòng thí nghiệm Quản lý, Đánh giá và Điều tiết của Đại học Stanford .
Niềm đam mê của Andrea trong việc sử dụng khoa học dữ liệu cho các ứng dụng vì lợi ích xã hội đã thôi thúc cô khám phá việc sử dụng máy học và AI thị giác. Với nền tảng kinh tế và bằng Thạc sĩ Khoa học Dữ liệu của Stanford, Andrea đã sử dụng YOLOv5 trong khoảng một năm rưỡi.
Khi còn là một đứa trẻ ở Thành phố Mexico, Andrea đã nhận thức sâu sắc về sự chênh lệch lớn giữa các khu phố như Santa Fe, nơi có một bức tường bê tông lớn ngăn cách người giàu với người nghèo. Là một nhà nghiên cứu khoa học dữ liệu, Vallebueno đã quan tâm đến cách dữ liệu kinh tế truyền thống bỏ qua những khác biệt cực đoan này, che khuất các chỉ số về bất bình đẳng và suy thoái đô thị. Cô nhận ra rằng với dòng người di cư ngày càng tăng vào các thành phố trên toàn thế giới, việc thiếu dữ liệu chi tiết sẽ chỉ trở thành một vấn đề cấp bách hơn.
Andrea và Yong muốn tạo ra một thước đo khách quan về sự suy thoái đô thị. Họ đã sử dụng tính năng phát hiện vật thể trong hình ảnh Google Street View để chụp tám đặc điểm đô thị cho thấy sự suy thoái đô thị. Họ đã chọn YOLOv5 vì tốc độ suy luận và việc sử dụng thông tin theo ngữ cảnh, điều này rất quan trọng đối với trường hợp sử dụng của họ.
Mô hình được đào tạo đã được sử dụng để chạy suy luận trên 114.000 hình ảnh chế độ xem phố từ các khu phố khác nhau ở San Francisco, Mexico City và South Bend. Các phát hiện của tám thuộc tính đã được tổng hợp ở cấp độ phân khúc đường phố để tạo ra các chỉ số về sự suy thoái đô thị và đo lường sự thay đổi trong tỷ lệ suy thoái đô thị theo thời gian.
Andrea và nhóm của cô thấy YOLOv5 cực kỳ dễ sử dụng, phần lớn thời gian của họ dành cho việc quản lý tập dữ liệu và đào tạo mô hình. Họ đánh giá cao việc tích hợp với các công cụ theo dõi thử nghiệm và tự động học các hộp giới hạn, giúp quá trình này dễ tiếp cận hơn nhiều.
Andrea và nhóm của cô rất vui mừng khi mở rộng thước đo chất lượng đô thị của họ để bao gồm các thuộc tính tích cực của môi trường đô thị vật lý và kiểm tra hiệu suất của các chỉ số này trong nhiều khu dân cư đô thị khác nhau.
Hình ảnh hóa tập hợp các mô hình phát hiện lều/bạt che được sử dụng làm nơi ở cho người vô gia cư theo thời gian tại khu phố Tenderloin, San Francisco.
Đối với những người mới làm quen với AI, Andrea khuyên bạn nên tìm một vấn đề hoặc câu hỏi nghiên cứu mà họ đam mê và trải qua toàn bộ vòng đời AI. Cô tin rằng đây là một trong những cách tốt nhất để xây dựng trực giác và hiểu được những hạn chế của mô hình của họ.
AI ngày càng trở thành một công cụ quan trọng đối với các trường đại học và nhà nghiên cứu, vì nó cho phép họ khám phá và hiểu các tập dữ liệu phức tạp, giúp các phát hiện của họ chính xác và đáng tin cậy hơn. Bằng cách tận dụng AI, các nhà nghiên cứu có thể tạo ra sự hiểu biết toàn diện hơn về không gian đô thị và những thách thức mà cư dân đô thị phải đối mặt, dẫn đến các chính sách và giải pháp tốt hơn.
Cảm ơn bạn đã đọc về trải nghiệm của Andrea với YOLOv5! Bạn có muốn chia sẻ trải nghiệm của mình không? Hãy gắn thẻ chúng tôi ở mọi nơi @Ultralytics với trường hợp sử dụng YOLO Ultralytics của riêng bạn và chúng tôi sẽ quảng bá công việc của bạn đến cộng đồng ML.
.webp)