La IA ahora puede detectar y mapear asentamientos informales en el mundo

• Un nuevo modelo basado en aprendizaje profundo puede detectar y mapear automáticamente asentamientos informales utilizando imágenes satelitales de baja resolución.
• Puede clasificar cómo se ve el espectro de un asentamiento informal, de una manera rentable.

Casi una cuarta parte de la población urbana del mundo vive en asentamientos informales, lugares que están aislados de la infraestructura de la ciudad y los servicios básicos. La mayoría de las casas en estas áreas no cumplen con las regulaciones de construcción y están ubicadas en regiones ambiental y geográficamente peligrosas.

El mapeo de estas regiones puede ayudar a las ONG a atender mejor a los necesitados. Esto permitiría a los lugareños evolucionar de manera significativa y obtener una mejor calidad de vida. Sin embargo, el mapeo de estas áreas es una tarea desafiante y exige una gran cantidad de recursos humanos y financieros dedicados.

Para abordar tales desafíos, un equipo internacional de investigadores ha construido un sistema basado en el aprendizaje profundo que puede detectar y mapear automáticamente asentamientos informales utilizando imágenes satelitales y aéreas que están disponibles sin costo alguno. Toma imágenes de satélite como entrada (en formato de usuario sin procesar) y proporciona un clasificador capacitado que genera mapas binarios con áreas de asentamientos informales.

Enfoques rentables basados ​​en el aprendizaje automático

Los investigadores desarrollaron y validaron ampliamente dos métodos basados ​​en el aprendizaje automático para identificar y mapear los asentamientos de información. Uno es rentable y el otro tiene un costo prohibitivo, pero es esencial para procesar información contextual. Juntos, estos métodos pueden clasificar cómo se ve el espectro de un asentamiento informal.

El primer método utiliza Bosques de correlación canónica computacionalmente eficientes (un método de conjunto de árboles de decisión para clasificación y regresión) para aprender la señal espectral de asentamientos informales a partir de imágenes satelitales de baja resolución.

El segundo método utiliza una red neuronal de convolución con imágenes de satélite de muy alta resolución para extraer características granuladas del buscador. El equipo ha demostrado la generalización de los métodos propuestos para identificar asentamientos informales no solo en las regiones locales, sino a nivel mundial.

Referencia:arXiv:1901.00861

Las redes neuronales convolucionales se entrenan en imágenes satelitales de baja resolución, alta resolución y muy alta resolución, utilizando 8 GPU NVIDIA Tesla V100 con 16 GB de memoria cada una. Dado que lograr una resolución muy alta es un poco costoso, los investigadores idearon un enfoque rentable que utiliza imágenes de satélite de baja resolución.

Asentamientos formales e informales en Kibera, Nairobi | Cortesía de investigadores

El equipo ha publicado dos puntos de referencia de asentamientos informales para imágenes de satélite de baja y muy alta resolución, con verdades terrestres que las acompañan. También han proporcionado todo el código fuente y los modelos en GitHub.

Debido a las diferencias en los asentamientos informales en todo el mundo y las incertidumbres dentro del terreno, este sistema podría ser extremadamente útil para probar técnicas de transferencia de aprendizaje y metaaprendizaje. Los investigadores planean aplicar técnicas bayesianas para caracterizar incertidumbres a través de modelos probabilísticos.

Además, el área de un kilómetro cuadrado de asentamientos informales podría albergar a más de 129.000 personas. Por tanto, cada píxel podría representar a 13 personas. Este tipo de cálculos realmente podrían ayudar a los gobiernos y las ONG a comprender cuánta ayuda se necesita proporcionar y cuánta infraestructura se requiere.

Leer:AI puede mapear con precisión todos los edificios en los Estados Unidos

Actualmente, los investigadores están trabajando con UNICEF para recopilar datos y anotaciones reales adicionales para los asentamientos informales.