AI agora pode detectar e mapear assentamentos informais no mundo

• Um novo modelo baseado em aprendizagem profunda pode detectar e mapear automaticamente assentamentos informais usando imagens de satélite de baixa resolução.
• Ele pode classificar como é o espectro de um assentamento informal, de maneira econômica.

Quase um quarto da população urbana mundial vive em assentamentos informais - locais que estão isolados da infraestrutura da cidade e dos serviços básicos. A maioria das casas nessas áreas não cumpre os regulamentos de construção e estão situadas em regiões ambiental e geograficamente perigosas.

O mapeamento dessas regiões pode ajudar as ONGs a atender melhor os necessitados. Isso possibilitaria que os moradores evoluíssem de forma significativa e ganhassem uma melhor qualidade de vida. No entanto, mapear essas áreas é uma tarefa desafiadora e exige muitos recursos humanos e financeiros dedicados.

Para enfrentar esses desafios, uma equipe internacional de pesquisadores construiu um sistema baseado em aprendizado profundo que pode detectar e mapear automaticamente assentamentos informais usando imagens aéreas e de satélite disponíveis gratuitamente. Ele pega imagens de satélite como entrada (no formato de usuário bruto) e fornece um classificador treinado que gera mapas binários com áreas de assentamentos informais.

Abordagens econômicas e baseadas em aprendizado de máquina

Os pesquisadores desenvolveram e validaram amplamente dois métodos baseados em aprendizado de máquina para identificar e mapear assentamentos de informações. Um é econômico e o outro é proibitivo, mas é essencial para o processamento de informações contextuais. Juntos, esses métodos podem classificar como é o espectro de um assentamento informal.

O primeiro método usa florestas de correlação canônica computacionalmente eficientes (um método de conjunto de árvore de decisão para classificação e regressão) para aprender o sinal espectral de assentamentos informais a partir de imagens de satélite de baixa resolução.

O segundo método usa uma rede neural de convolução com imagens de satélite de alta resolução para extrair recursos granulados do localizador. A equipe demonstrou a generalização dos métodos propostos para identificar assentamentos informais não apenas em regiões locais, mas globalmente.

Referência:arXiv:1901.00861

As redes neurais convolucionais são treinadas em imagens de satélite de baixa resolução, alta resolução e altíssima resolução, usando 8 GPUs NVIDIA Tesla V100 com 16 GB de memória cada. Uma vez que obter uma resolução muito alta é um pouco caro, os pesquisadores criaram uma abordagem econômica que usa imagens de satélite de baixa resolução.

Assentamentos formais e informais em Kibera, Nairóbi | Cortesia de pesquisadores

A equipe lançou dois benchmarks de assentamentos informais para imagens de satélite de baixa e muito alta resolução, acompanhados de verdades terrestres. Eles também forneceram todo o código-fonte e modelos no GitHub.

Devido às diferenças nos assentamentos informais em todo o mundo e às incertezas no terreno, este sistema pode ser extremamente útil para testar técnicas de aprendizagem de transferência e meta-aprendizagem. Os pesquisadores planejam aplicar técnicas bayesianas para caracterizar incertezas por meio de modelos probabilísticos.

Além disso, a área de um quilômetro quadrado de assentamentos informais pode abrigar mais de 129.000 pessoas. Assim, cada pixel pode representar 13 pessoas. Esses tipos de cálculos podem realmente ajudar os governos e ONGs a entender quanta ajuda precisa ser fornecida e quanta infraestrutura é necessária.

Leia:AI pode mapear com precisão cada edifício nos Estados Unidos

Os pesquisadores estão atualmente trabalhando com o UNICEF para coletar dados adicionais de verdade terrestre e anotações para assentamentos informais.