IA Mapeia Assentamentos Informais Globais via Satélites de Baixa Resolução

Deep Learning Detecta e Mapeia Assentamentos Informais de Forma Custo-Efetiva

Quase 1/4 da população urbana mundial vive em assentamentos informais — áreas isoladas da infraestrutura urbana e serviços básicos. Mapear essas regiões ajuda ONGs a atender melhor os necessitados, mas é tarefa desafiadora que demanda muitos recursos humanos e financeiros.

Abordagem Dupla: Custo-Efetiva e Alta Resolução

Equipe internacional desenvolveu sistema de deep learning que detecta e mapeia assentamentos informais automaticamente usando imagens de satélite e aéreas gratuitas. Duas abordagens validadas:

1. Custo-efetiva: Canonical Correlation Forests (ensemble de árvores de decisão) aprende sinal espectral de assentamentos informais em imagens de baixa resolução.
2. Alta resolução (custo-proibitiva, mas essencial para contexto): Rede neural convolucional (CNN) em imagens de altíssima resolução extrai características mais finas.

CNNs treinadas em imagens de baixa, alta e altíssima resolução usando 8 GPUs NVIDIA Tesla V100 (16 GB cada). A abordagem de baixa resolução torna o mapeamento global viável.

Benchmarks, Código Aberto e Aplicações Humanitárias

• Dois benchmarks liberados (baixa e altíssima resolução) com ground truths.
• Código-fonte e modelos no GitHub.
• Útil para testar transfer learning e meta-learning devido a diferenças globais e incertezas.
• Próximos passos: Técnicas Bayesianas para caracterizar incertezas via modelos probabilísticos.

Impacto Humanitário Quantificável

Um quilômetro quadrado de assentamento informal pode abrigar >129.000 pessoas → cada pixel pode representar ~13 pessoas. Esses cálculos ajudam governos e ONGs a dimensionar ajuda e infraestrutura necessária.

Equipe colabora com UNICEF para coletar ground truth adicional e anotações.

Referência: arXiv:1901.00861