Google AI представив набір Open Buildings, який відстежує зміни в будівництві

Уряди та гуманітарні організації постають перед труднощами у відстеженні урбанізації та розвитку інфраструктури на глобальному півдні через брак точних і своєчасних даних про зміни в забудові. Супутникові знімки високої роздільної здатності, які є нинішнім стандартом для виявлення будівель, часто не відповідають вимогам, оскільки їх роблять нерегулярно, що залишає прогалини в розумінні того, як швидко розвиваються міські райони. Ця проблема особливо актуальна для сільських районів або регіонів, що швидко розвиваються, де прогалини в даних перешкоджають ефективному плануванню, розподілу ресурсів і реагуванню на стихійні лиха.

Щоб розв’язати цю проблему, дослідники Google запровадили набір темпоральних даних Open Buildings 2.5D Temporal Dataset. На відміну від попередніх наборів даних, які спиралися на поодинокі зображення високої роздільної здатності, цей новий набір даних використовує знімки супутника Європейського космічного агентства (ESA) Sentinel-2 з нижчою роздільною здатністю, але з великою інтенсивністю знімання. Набір даних охоплює період з 2016 по 2023 рік і охоплює великі географічні території, особливо на Глобальному Півдні, який, як очікується, зазнає масового розширення міст до 2050 року.

Інновація полягає у використанні Google машинного навчання для підвищення якості зображень з низькою роздільною здатністю. Застосовуючи модель «учень-вчитель» на основі архітектури HRNet, модель учня тренується повторювати результати прогнозування за допомогою моделі вчителя у високій роздільній здатності, використовуючи лише дані Sentinel-2. Цей підхід використовує кілька знімків, зроблених протягом певного часу (до 32 знімків на локацію), щоб точно оцінити площу та висоту будівель. Модель досягає середньої точності у 78,3%, що впритул наближається до точності 85,3%, отриманої на знімках високої роздільної здатності, і забезпечує надійні прогнози кількості будівель та оцінки висоти із середньою абсолютною похибкою лише 1,5 метра.

Набір даних Google Open Buildings 2.5D Temporal Dataset є значним досягненням у сфері моніторингу будівель на глобальному півдні. Завдяки використанню більш частих знімків з низькою роздільною здатністю та складних методів машинного навчання, цей набір даних забезпечує вкрай необхідне розв’язання проблеми застарілих або недоступних даних про будівлі. Ця інновація допоможе покращити міське планування, управління ресурсами та реагування на кризові ситуації в регіонах, де часто бракує даних, необхідних для прийняття обґрунтованих рішень.