AIは、世界の非公式な居住地を検出してマッピングできるようになりました

• 新しい深層学習ベースのモデルは、低解像度の衛星画像を使用して、非公式の居住地を自動的に検出してマッピングできます。
• 費用効果の高い方法で、非公式の和解の範囲がどのように見えるかを分類できます。

世界の都市人口のほぼ4分の1は、都市のインフラストラクチャと基本的なサービスから切り離された場所である非公式の居住地に住んでいます。これらの地域のほとんどの住宅は建築規制に準拠しておらず、環境的および地理的に危険な地域にあります。

これらの地域をマッピングすることで、NGOは困っている人々により良いサービスを提供することができます。これにより、地元の人々は重要な方法で進化し、より良い生活の質を得ることができます。ただし、そのような領域のマッピングは困難な作業であり、多くの専用の人的および財政的リソースが必要です。

このような課題に対処するために、国際的な研究者チームは、無料で利用できる衛星画像と航空画像を使用して、非公式の居住地を自動的に検出してマッピングできるディープラーニングベースのシステムを構築しました。衛星画像を（生のユーザー形式で）入力として受け取り、非公式の居住地域を特徴とするバイナリマップを生成する訓練された分類器を提供します。

費用効果の高い機械学習ベースのアプローチ

研究者は、情報の決済を識別してマッピングするための2つの機械学習ベースの方法を開発し、広範囲に検証しました。 1つは費用効果が高く、もう1つは費用がかかりすぎますが、コンテキスト情報の処理には不可欠です。一緒に、これらの方法は、非公式の和解のスペクトルがどのように見えるかを分類することができます。

最初の方法は、計算効率の高い正準相関フォレスト（分類と回帰のための決定木アンサンブル法）を使用して、低解像度の衛星画像から非公式な集落のスペクトル信号を学習します。

2番目の方法では、非常に高解像度の衛星画像を使用した畳み込みニューラルネットワークを使用して、ファインダーの粒子の特徴を抽出します。チームは、地方だけでなく世界的に非公式の居住地を特定するために提案された方法の一般化を実証しました。

参照：arXiv：1901.00861

畳み込みニューラルネットワークは、それぞれ16GBのメモリを搭載した8つのNVIDIA Tesla V100 GPUを使用して、低解像度、高解像度、および非常に高解像度の衛星画像でトレーニングされます。非常に高い解像度を達成するには少し費用がかかるため、研究者は低解像度の衛星画像を使用する費用効果の高いアプローチを考え出しました。

ナイロビのキベラでの公式および非公式の集落|研究者の礼儀

チームは、低解像度と非常に高解像度の衛星画像の2つの非公式な決済ベンチマークを、グラウンドトゥルースを伴ってリリースしました。また、GitHubですべてのソースコードとモデルを提供しています。

世界中の非公式な居住地の違いと地上の不確実性のために、このシステムは、転移学習とメタ学習技術をテストするのに非常に役立つ可能性があります。研究者は、確率モデルを介して不確実性を特徴づけるためにベイズ手法を適用することを計画しています。

さらに、非公式の集落の1キロメートル四方の面積は、129,000人以上を収容する可能性があります。したがって、各ピクセルは13人を表すことができます。これらのタイプの計算は、政府やNGOが、提供する必要のある援助の量と必要なインフラストラクチャの量を理解するのに本当に役立ちます。

読む：AIは米国内のすべての建物を正確にマッピングできます

研究者たちは現在、ユニセフと協力して、非公式の和解のために追加のグラウンドトゥルースデータと注釈を収集しています。