AIが低解像度衛星画像から世界の非正規居住地を自動検出・マッピング
世界の都市人口の約4分の1が、インフラから切り離された非正規居住地(スラム等)に暮らしています。これらの地域を地図化することは支援活動に不可欠ですが、人的・財政的コストが膨大です。国際研究チームは、無料で入手可能な低解像度衛星画像から、深層学習で非正規居住地を自動検出・マッピングするシステムを開発しました。
2段階の機械学習アプローチ
- コスト効率重視:低解像度画像からスペクトル信号を学習(Canonical Correlation Forests使用)
- 文脈情報重視:超高解像度画像で微細特徴を抽出(CNN使用)
両手法を組み合わせ、世界規模での一般化を実証。NVIDIA Tesla V100 GPU 8台で訓練し、ベンチマークデータとソースコードをGitHubで公開しています。
支援計画への貢献
1 km²あたり最大129,000人が居住する密集地では、1ピクセルが約13人を表します。この推計により、必要な支援物資やインフラ整備規模を定量的に把握可能です。現在はUNICEFと協力し、追加の実地データ収集を進めています。
参考文献: arXiv:1901.00861
産業技術
- センチュリー・ファニチャー、米国工場を維持——レジリエント製造のブループリント
- メンテナンスの再生:陳腐化から持続可能な卓越性へ
- 機械学習を活用したMROサプライチェーン管理の最適化
- 半導体レーザーでマイクロ波発信・無線受信実現、超高速Wi-Fiへの道筋
- AIがアミノ酸配列から全タンパク質の3次元構造を高精度予測
- AIが地図なしで自律ナビゲーション:コンパス・カメラ・GPSのみ使用
- ドライバー不足解決:食品・飲料セクターのための実証済み戦略
- デジタルトランスフォーメーションがサプライチェーンをどう再構築するか:COVID-19の教訓と未来
- クラウド革命:IT、セキュリティ、キャリアをどう変えるか
- IoT World 2019から見るエッジコンピューティングとIoT戦略のインサイト
- エルビット・システムズ:イスラエルと米国をリードする複合材ソリューション