Google AI presenta el conjunto de datos temporales Open Buildings 2.5D que rastrea los cambios en los edificios en todo el Sur Global

Los gobiernos y las organizaciones humanitarias necesitan datos fiables sobre los cambios en los edificios y la infraestructura a lo largo del tiempo para gestionar la urbanización, asignar recursos y responder a las crisis. Sin embargo, muchas regiones del Sur Global necesitan un mayor acceso a datos oportunos y precisos sobre los edificios, lo que dificulta el seguimiento del crecimiento urbano y el desarrollo de la infraestructura. La ausencia de estos datos obstaculiza la eficacia de la planificación y las iniciativas de respuesta a los desastres. Los métodos actuales para detectar edificios generalmente se basan en imágenes satelitales de alta resolución, que proporcionan imágenes detalladas de las huellas de los edificios. Sin embargo, las imágenes de alta resolución a menudo se capturan esporádicamente, a veces con años de diferencia, lo que dificulta el seguimiento de los cambios en los edificios a lo largo del tiempo, especialmente en zonas rurales o de rápido desarrollo.

Los investigadores de Google presentaron el conjunto de datos temporales Open Buildings 2.5D para abordar el problema del rápido crecimiento de la población urbana, en particular en el Sur Global, donde se prevé que las áreas urbanas se expandirán significativamente para 2050. A diferencia de los esfuerzos anteriores, que dependían de imágenes de alta resolución, este nuevo conjunto de datos utiliza imágenes satelitales Sentinel-2 capturadas por la Agencia Espacial Europea, que ofrece una resolución más baja pero captura imágenes cada cinco días a nivel mundial. Al utilizar un novedoso enfoque de aprendizaje automático, el conjunto de datos puede estimar los cambios en la presencia y la altura de los edificios a lo largo del tiempo, cubriendo una gran región geográfica desde 2016 hasta 2023.

La idea central detrás del conjunto de datos implica el uso de una combinación de modelos de estudiantes y profesores basados ​​en la arquitectura HRNet. El modelo del profesor se entrena con imágenes satelitales de alta resolución, lo que proporciona etiquetas de verdad en el terreno. El modelo del estudiante, entrenado con imágenes Sentinel-2 de menor resolución, tiene como objetivo recrear las predicciones del profesor sin ver directamente las imágenes de alta resolución. Al aprovechar múltiples marcos temporales de datos Sentinel-2 (hasta 32 imágenes para cada ubicación), el modelo mejora la resolución y detecta huellas de edificios con alta precisión. Este enfoque permite que el modelo alcance una intersección sobre unión (IoU) media del 78,3 %, que está cerca de la precisión del 85,3 % obtenida utilizando imágenes de alta resolución. El conjunto de datos también incluye herramientas para estimar alturas y recuentos de edificios, con un error absoluto medio de 1,5 metros para estimaciones de altura y predicciones confiables de recuento de edificios.

En conclusión, el conjunto de datos temporales Open Buildings 2.5D de Google ofrece un avance significativo en la detección y el seguimiento de los cambios en los edificios en todo el Sur Global mediante imágenes satelitales públicas. Al emplear una combinación de imágenes Sentinel-2 frecuentes y de menor resolución y modelos de aprendizaje automático, proporciona una solución innovadora para abordar la falta de datos precisos y actualizados sobre los edificios. El método propuesto no solo mejora la capacidad de rastrear los cambios en las áreas urbanas, sino que también respalda una mejor planificación y respuesta ante crisis en regiones que a menudo carecen de datos.

Echa un vistazo a la Conjunto de datos y blogTodo el crédito por esta investigación corresponde a los investigadores de este proyecto. Además, no olvides seguirnos en Gorjeo y únete a nuestro Canal de Telegram y LinkedIn Gr¡Arriba!. Si te gusta nuestro trabajo, te encantará nuestro hoja informativa..

No olvides unirte a nuestro Subreddit con más de 50 000 millones de usuarios

⏩ ⏩ SEMINARIO WEB GRATUITO SOBRE IA: ‘SAM 2 para video: cómo optimizar sus datos’ (miércoles 25 de septiembre, 4:00 a. m. a 4:45 a. m. EST)