AI kan nu informele nederzettingen in de wereld detecteren en in kaart brengen

• Een nieuw op deep learning gebaseerd model kan automatisch informele nederzettingen detecteren en in kaart brengen met behulp van satellietbeelden met een lage resolutie.
• Het kan classificeren hoe het spectrum van een informele schikking eruitziet, op een kosteneffectieve manier.

Bijna een kwart van de stedelijke wereldbevolking woont in informele nederzettingen – locaties die zijn afgesneden van de stadsinfrastructuur en basisvoorzieningen. De meeste huizen in deze gebieden voldoen niet aan de bouwvoorschriften en zijn gelegen in ecologisch en geografisch gevaarlijke gebieden.

Door deze regio's in kaart te brengen, kunnen NGO's mensen in nood beter van dienst zijn. Dit zou de lokale bevolking in staat stellen om op een significante manier te evolueren en een betere kwaliteit van leven te krijgen. Het in kaart brengen van dergelijke gebieden is echter een uitdagende taak en vereist veel toegewijde menselijke en financiële middelen.

Om dergelijke uitdagingen aan te gaan, heeft een internationaal team van onderzoekers een op deep learning gebaseerd systeem gebouwd dat automatisch informele nederzettingen kan detecteren en in kaart kan brengen met behulp van gratis beschikbare satelliet- en luchtfoto's. Het gebruikt satellietbeelden als invoer (in onbewerkte gebruikersindeling) en levert een getrainde classifier die binaire kaarten genereert met informele nederzettingsgebieden.

Kosteneffectieve, op machine learning gebaseerde benaderingen

Onderzoekers hebben twee op machine learning gebaseerde methoden ontwikkeld en uitgebreid gevalideerd om informatienederzettingen te identificeren en in kaart te brengen. De ene is kosteneffectief en de andere is kostenbesparend, maar is essentieel voor het verwerken van contextuele informatie. Samen kunnen deze methoden classificeren hoe het spectrum van een informele nederzetting eruit ziet.

De eerste methode maakt gebruik van computationeel efficiënte Canonical Correlation Forests (een beslissingsboom-ensemblemethode voor classificatie en regressie) om spectrale signalen van informele nederzettingen te leren van satellietbeelden met een lage resolutie.

De tweede methode maakt gebruik van een neuraal convolutienetwerk met satellietbeelden met een zeer hoge resolutie om gedetailleerde kenmerken van de vinder te extraheren. Het team heeft de veralgemening aangetoond van voorgestelde methoden om informele nederzettingen te identificeren, niet alleen in lokale regio's, maar wereldwijd.

Referentie: arXiv:1901.00861

De convolutionele neurale netwerken worden getraind op satellietbeelden met lage resolutie, hoge resolutie en zeer hoge resolutie, met behulp van 8 NVIDIA Tesla V100 GPU's met elk 16 GB geheugen. Omdat het bereiken van een zeer hoge resolutie een beetje duur is, bedachten onderzoekers een kosteneffectieve aanpak die gebruikmaakt van satellietbeelden met een lage resolutie.

Formele en informele nederzettingen in Kibera, Nairobi | Met dank aan onderzoekers 

Het team heeft twee benchmarks voor informele nederzettingen vrijgegeven voor satellietbeelden met lage en zeer hoge resolutie, met bijbehorende grondwaarheden. Ze hebben ook alle broncode en modellen op GitHub geleverd.

Vanwege de verschillen in informele nederzettingen over de hele wereld en onzekerheden in de grond, zou dit systeem zeer nuttig kunnen zijn voor het testen van transfer learning en meta-learning-technieken. Onderzoekers zijn van plan om Bayesiaanse technieken toe te passen om onzekerheden te karakteriseren via probabilistische modellen.

Bovendien zou het vierkante gebied van één kilometer met informele nederzettingen meer dan 129.000 mensen kunnen huisvesten. Elke pixel zou dus 13 personen kunnen vertegenwoordigen. Dit soort berekeningen kan regeringen en NGO's echt helpen te begrijpen hoeveel hulp er moet worden verleend en hoeveel infrastructuur er nodig is.

Lezen:AI kan elk gebouw in de Verenigde Staten nauwkeurig in kaart brengen

Onderzoekers werken momenteel samen met UNICEF om aanvullende grondwaarheidsgegevens en annotaties voor informele schikkingen te verzamelen.