АИ-управляемая разработка нового набора данных открытых зданий.

Дом

Новости

10 апреля 2025 г.

HarryGonzález

# ai # Maps # research

АИ-управляемая разработка нового набора данных открытых зданий.

В 2021 году команда Google Research Africa начала открытые здания, набор данных с открытым исходным кодом, который отображает здания следов по всему мировому югу, используя ИИ и спутниковые изображения с высоким разрешением. Их цель была довольно простой: чтобы подключить большую дыру в данных о населении и плотности в развивающихся странах. Теперь, с третьей версией, их набор данных может похвастаться многоугольниками для колоссальных 1,8 миллиардов зданий, распределенных более 58 миллионов км² в Африке, Южной и Юго -Восточной Азии, Латинской Америке и Карибском бассейне. Куча людей, от правительств до ООН, и даже исследователей и некоммерческих организаций, используют открытые здания, чтобы справиться с размером и распределением населения. Это помогло им планировать лучше для таких вещей, как диски по вакцинации и реакция на бедствия. Кроме того, это даже усилилось карты Google, добавив миллионы зданий, которые не были нанесены на карту ранее. Команда, базирующаяся в Гане, но с членами, разбросанными по таким местам, как Тель -Авив и Цюрих, была на миссии, чтобы сделать проект еще более полезным. «Мы всегда находимся в режиме хакатона, пробуем новые идеи и решаем проблемы», - говорит менеджер программы Google Research Abdoulaye Diack. «Одна вещь, которую мы не могли сделать с оригинальным набором данных, было показать, как области меняются со временем - это было статично. И это то, чего действительно хотели наши партнеры». Коммерческие поставщики имиджа спутников обычно фокусируются на областях, которые приносят деньги, оставляя около 40% мира, в основном на мировом юге, без регулярного охвата высокого разрешения. Некоторые отдаленные места и неформальные поселения вообще не получают никакого покрытия. Между тем, образы с открытым исходным кодом из спутника Sentinel-2 Европейского космического агентства, который каждые пять дней делает глобальное фото, считалось слишком низким разрешением для обнаружения зданий. Но команда подумала, что это может быть не так большое дело, как они думали, поэтому они сделали это. Во-первых, они впитывали одну раму низкого разрешения из Sentinel-2 в свою модель и попросили ее нарисовать строительные полигоны. «Это было сложно, но мы видели потенциал», - говорит Абдулай. «Таким образом, мы сказали моделе просто дать нам маски -строительные маски - данные о пикселях, привязанные к конкретным местам. Все хорошо, и мы подумали:« Эй, мы можем сделать это ». После года настройки модели они выпустили открытый набор для временных зданий 2,5D. Он охватывает 2016 по 2023 год и дает ежегодный снимок присутствия зданий и подсчитывает большую часть мирового юга, а также высоты здания. Это показывает, как города меняются из -за развития, бедствий и других факторов. Пользователи могут выбирать регион, переключаться на годы и наблюдать, как мир расти и сокращается в красочном демонстрации фигур. «К 2050 году около 2,5 миллиардов человек могут переехать в города, в основном на глобальном юге. Этот набор данных может изменить ситуацию для правительств и организаций, занимающихся этим ростом»,-говорит менеджер по продуктам Google Research Оливию Грэм. «Если городское планирование, где можно предоставить основные услуги, такие как здравоохранение и образование, или где создавать инфраструктуру, такие как вода и энергетические принадлежности, этот набор данных показывает, какие области быстро растут». 28 сентября 2018 года массовое землетрясение на 7,4 величины у побережья Индонезии вызвало цунами, что затронуло около 1,5 миллиона человек на Сулавеси. Набор данных показывает, как построенная зона отступила от побережья после катастрофы. Вы можете проверить это в нашем интерактивном приложении Earth Engine. Вы также можете увидеть строительство нового Каира, Египта, в открытых зданиях 2.5D Demo набор данных. Итак, как команде удалось заставить свою модель прочитать нечеткие спутниковые изображения Sentinel-2 и уверенно обнаружить здания? Они начали с того, что заточили вещи. «Мы использовали настройку модели учителя-студента как для« суперрезовированных »изображений с низким разрешением, так и для выталкивания зданий»,-говорит инженер программного обеспечения Google Research Krishna Sapkota. «Модель учителя учится обнаружить здания на изображениях высокого разрешения и дает метки модели ученика. Модель ученика, которая на самом деле создает набор данных, учится на результатах учителя. Затем она может забрать изображения с низким разрешением от Sentinel-2 и угадать, как будет выглядеть версия с более высоким разрешением». Модель учителя дает учебные этикетки высокого разрешения для модели ученика, которая затем выясняет присутствие здания из изображений с низким разрешением. Чтобы получить детали, необходимую для строительства следа, модель использует до 32 кадров изображений Sentinel-2 места для любого прогноза. Каждый кадр немного отличается от других, благодаря крошечному разрыву времени между захватами, который помогает увеличить разрешение - далее такого как пиксельные телефоны используют несколько снимков для более четких изображений. В отличие от исходного набора данных, который дал точные полигональные контуры зданий, новый временный набор данных использует растровые данные для строительства следа. Он также предсказывает высоту здания, что имеет решающее значение для оценки плотности населения, с ошибкой всего 1,5 метра или менее одной истории. Перед официальным выпуском временный набор данных был передан с доверенными партнерами, такими как угандийский некоммерческий Sunbird AI. «Около 73% угандийцев не имеют электричества, и Sunbird AI использовал нашу первоначальную базу данных, чтобы помочь правительству выяснить, где разместить микросетки или солнечные батареи», - говорит Оливия. «С новым набором данных они смотрят на Jinja и Fort Portal, создавая визуальные эффекты, которые помогают городским советам увидеть, где рост происходит быстро, и корректируют свои планы. Это показывает, как оба набора данных могут быть частью более крупного инструментария, чтобы понять популяцию и как он меняется». То же самое любопытство, которое привело к временному набору данных, - это подталкивание команды к улучшению ее. «Я живу в Гане и вижу, какое влияние наша работа оказывает и может оказать», - говорит Абдулай. «Многие места здесь борются с ресурсами, что приводит к пробелам данных с большими последствиями. Быть частью команды, работающей над этим, и изменить ситуацию, - настоящая честь».

Связанная статья

Debates over AI benchmarking have reached Pokémon Even the beloved world of Pokémon isn't immune to the drama surrounding AI benchmarks. A recent viral post on X stirred up quite the buzz, claiming that Google's latest Gemini model had outpaced Anthropic's leading Claude model in the classic Pokémon video game trilogy. According to the post, Gemini

Top 10 AI Marketing Tools for April 2025 Artificial intelligence (AI) is shaking up industries left and right, and marketing is no exception. From small startups to big corporations, businesses are increasingly turning to AI marketing tools to boost their brand visibility and drive their growth. Incorporating these tools into your business

Wikipedia is giving AI developers its data to fend off bot scrapers Wikipedia's New Strategy to Manage AI Data Scraping Wikipedia, through the Wikimedia Foundation, is taking a proactive step to manage the impact of AI data scraping on its servers. On Wednesday, they announced a collaboration with Kaggle, a platform owned by Google and dedicated to data science and

Комментарии (25)

0/200

Представлять на рассмотрение

StevenSanchez

14 апреля 2025 г., 0:10:04 GMT

This dataset is a game-changer for urban planning in the Global South! It's amazing how AI can help map building footprints so accurately. Only downside is it's a bit tricky to navigate the dataset if you're not tech-savvy. Still, a must-have for researchers!

DonaldGonzález

13 апреля 2025 г., 21:52:40 GMT

グローバルサウスの都市計画に革命をもたらすデータセットです！AIが建物のフットプリントをこれほど正確にマッピングできるなんて驚きです。唯一の欠点は、技術に詳しくないとデータセットの操作が少し難しいことです。それでも、研究者にとって必須のツールです！

WillLopez

11 апреля 2025 г., 22:31:22 GMT

글로벌 사우스의 도시 계획에 혁신을 가져오는 데이터셋입니다! AI가 건물의 발자취를 이렇게 정확하게 매핑할 수 있다는 것이 놀랍습니다. 단점은 기술에 익숙하지 않으면 데이터셋을 다루기가 조금 어렵다는 점입니다. 그래도 연구자에게는 필수 도구입니다!

JustinJackson

13 апреля 2025 г., 11:49:41 GMT

Este conjunto de dados é um divisor de águas para o planejamento urbano no Sul Global! É incrível como a IA pode mapear as pegadas dos edifícios com tanta precisão. A única desvantagem é que pode ser um pouco complicado navegar pelo conjunto de dados se você não for muito técnico. Ainda assim, uma ferramenta essencial para pesquisadores!

RaymondRodriguez

12 апреля 2025 г., 0:51:42 GMT

¡Este conjunto de datos es un cambio de juego para la planificación urbana en el Sur Global! Es increíble cómo la IA puede mapear las huellas de los edificios con tanta precisión. La única desventaja es que puede ser un poco complicado navegar por el conjunto de datos si no eres muy técnico. Aún así, una herramienta imprescindible para los investigadores!

AnthonyMartinez

11 апреля 2025 г., 19:26:38 GMT

The Open Buildings dataset is a game-changer for urban planning in the Global South! It's amazing how AI and satellite imagery can map out building footprints so accurately. My only gripe is that the data updates aren't as frequent as I'd like. Still, it's a fantastic resource! 🌍

Лучшие новости

Настройки для дата -центров США могут разблокировать 76 ГВт новой мощности. NoteBooklm добавляет функцию обнаружения веб -источника Прорыв в обнаружении лесных пожаров: как новое созвездие спутников может обнаруживать меньшие лесные пожары раньше ИИ Cambium превращает отходы в пиломатериалы ИИ вычисления для потребления мощности нескольких Нью -Йорка к 2026 году, говорит основатель Генеральный директор NVIDIA разъясняет заблуждения о влиянии на рынок DeepSeek Исследователи утверждают, что ИИ Openai обучался на платежных книгах О'Рейли ИИ может быть ключом к разблокировке более эффективного государственного сектора Великобритании Google.org раскрывает гранты на обучение AI за 15 миллионов долларов для государственных работников LLMS Deep Cogito превосходит модели аналогичного размера с использованием IDA

Более

Показан