ИИ картирует неформальные поселения по спутниковым снимкам низкого разрешения
Глобальная проблема и ML-решение
Четверть городского населения живет в неформальных поселениях без инфраструктуры. Картирование вручную дорого и долго. Международная команда создала систему глубокого обучения, автоматически детектирующую такие зоны по бесплатным спутниковым снимкам.
Два подхода: экономичный и точный
- Canonical Correlation Forests на низкоразрешенных снимках — быстро, дешево, учит спектральные сигналы поселений.
- CNN на сверхвысоком разрешении — извлекает детали, но дорого. Оба метода вместе классифицируют «спектр» поселений глобально.
Результаты и открытые данные
- Обучено на 8×NVIDIA Tesla V100 (16 ГБ).
- Выпущены бенчмарки для низкого и высокого разрешения + код на GitHub.
- 1 км² может содержать 129 тыс. человек (пиксель = 13 чел.) — помогает НПО и правительствам планировать помощь.
- Сотрудничество с UNICEF для сбора дополнительных данных.
Источник: arXiv:1901.00861
Промышленные технологии
- Использование машинного обучения для оптимизации управления цепочкой поставок MRO
- Century Furniture сохраняет заводы в США — модель устойчивого производства
- Оживление ТО: от устаревания к устойчивому совершенству
- Инсайты по Edge Computing и стратегии ИоТ с IoT World 2019
- Полупроводниковый лазер излучает микроволны и принимает радио: путь к ультрабыстрому Wi-Fi
- Прорыв ИИ: точное предсказание 3D-структур всех белков по их последовательностям
- Прорыв ИИ: автономная навигация без карт с компасом, камерой и GPS
- Решение дефицита водителей: проверенные стратегии для сектора пищевых продуктов и напитков
- Как цифровая трансформация перестраивает цепочки поставок: уроки COVID-19 и будущее
- Elbit Systems: ведущие композитные решения для Израиля и США