Facebook的測(cè)繪團(tuán)隊(duì)旨在幫助工作人員了解需要幫助的地方

Facebook的人工智能研究人員和數(shù)據(jù)科學(xué)家創(chuàng)建了人口密度圖。特別之處在于它們比任何前輩都更準(zhǔn)確，分辨率更高。Derrick Bonak，Derrick Bonafilia，James Gill，Danil Kirsanov和Jason Sundram周二轉(zhuǎn)向Facebook博客寫下他們的作品。

這些地圖是為人道主義援助和發(fā)展的重要目的而繪制的。認(rèn)為援助工作者在疾病控制和災(zāi)難準(zhǔn)備方面。

“在我們之前發(fā)布的22個(gè)國(guó)家類似的高分辨率人口地圖的基礎(chǔ)上，我們現(xiàn)在發(fā)布了非洲大陸大部分地區(qū)的新地圖，該項(xiàng)目最終將映射全世界的人口。”

快速公司的 Ben Paynter為工人提供了極大的挑戰(zhàn)，幫助需要幫助的人以及地圖如何提供??幫助。

“疫苗，疾病作戰(zhàn)殺蟲劑和太陽能技術(shù)的新進(jìn)步，都可以幫助人們?cè)诎l(fā)展中的國(guó)家保持健康，并有更好的品質(zhì)生活。也就是說，如果你能找到他們。在許多地方，較小的社區(qū)都在廣闊攤開和相對(duì)未知的地形。“

這是由該公司位于波士頓的World.AI團(tuán)隊(duì)開發(fā)的。Facebook團(tuán)隊(duì)有一些證據(jù)表明他們的地圖可以實(shí)現(xiàn)其目的。他們說，在馬拉維，F(xiàn)acebook地圖被用來告知麻疹和風(fēng)疹運(yùn)動(dòng)。紅十字會(huì)能夠?qū)⒂?xùn)練有素的當(dāng)?shù)刂驹刚卟渴鸬接行枰奶囟ǖ貐^(qū)。

實(shí)現(xiàn)其目標(biāo)的技術(shù)是機(jī)器學(xué)習(xí)技術(shù)，高分辨率衛(wèi)星圖像和人口數(shù)據(jù)的混合體。(他們寫道，這個(gè)項(xiàng)目中的衛(wèi)星地圖“是使用DigitalGlobe的商業(yè)衛(wèi)星圖像生成的 - 通過可公開訪問的地圖服務(wù)提供的相同類型的圖像。”)

他們的方法涉及映射分布在廣大地區(qū)的“數(shù)以億計(jì)的結(jié)構(gòu)”。他們用它來推斷當(dāng)?shù)氐娜丝诿芏取?/p>

另一篇Facebook博文進(jìn)一步描述了這一過程。“例如，僅對(duì)非洲而言，該系統(tǒng)檢查了115億個(gè)單獨(dú)的圖像，以確定它們是否包含一個(gè)結(jié)構(gòu)。他們的方法在短短幾天內(nèi)就發(fā)現(xiàn)了大約1.1億個(gè)結(jié)構(gòu)位置。”

為了解釋人工智能是如何釋放出來的，Karen Hao在麻省理工學(xué)院技術(shù)評(píng)論 “下載”中的一篇文章引導(dǎo)讀者。

“首先，F(xiàn)acebook的World.AI小組的一個(gè)團(tuán)隊(duì)必須訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò)，以識(shí)別衛(wèi)星圖像中的一片土地是否包含一個(gè)家。為此，研究人員通過覆蓋超過1億人群創(chuàng)建了一個(gè)訓(xùn)練數(shù)據(jù)集從OpenStreetMap到衛(wèi)星圖像的家庭坐標(biāo)。他們還使用老式計(jì)算機(jī)視覺技巧來驗(yàn)證沒有家的標(biāo)簽圖像不包含任何多邊形形狀的物體。“

非洲大陸的衛(wèi)星圖像被分割成100英尺×100英尺的區(qū)域。他們使用神經(jīng)網(wǎng)絡(luò)創(chuàng)建準(zhǔn)確的高分辨率人口密度圖。

當(dāng)然，博客值得一讀，不僅要了解他們?nèi)〉玫某删?，還要欣賞困擾人口映射的巨大挑戰(zhàn)。正如他們所說，這是一項(xiàng)挑戰(zhàn)，適合深度學(xué)習(xí)。

“一個(gè)國(guó)家的人口普查顯示有多少人生活在一個(gè)特定的人口普查區(qū)，但它并不表明人們居住在這些地區(qū) - 有時(shí)候這些地區(qū)包含數(shù)百平方英里。僅非洲就有近12億平方英里的12億人口;其最大的人口普查區(qū)是150,000平方英里，有55,000人。如果研究人員知道房屋或其他建筑物在這些區(qū)域中的位置，他們可以通過按比例分配每個(gè)人口來創(chuàng)建極其準(zhǔn)確的密度圖。

因此，鑒于“巨大的不平衡”，他們做了什么?

“世界上大部分土地都不包含建筑物，所以我們經(jīng)常處理從100到1的負(fù)到正的階級(jí)不平衡。我們使用經(jīng)典的計(jì)算機(jī)視覺技術(shù)進(jìn)行預(yù)處理步驟，幾乎完美的召回(在丟棄大部分不包含建筑物的區(qū)域，這使得我們留下了候選~30x30米(64x64像素)的衛(wèi)星圖像。“

(報(bào)告中的標(biāo)題解釋說“我們的管道首先留出不能包含建筑物的位置。然后神經(jīng)網(wǎng)絡(luò)根據(jù)它包含建筑物的可能性對(duì)每個(gè)剩余位置進(jìn)行排序。”)

他們寫道，他們繼續(xù)接下來的挑戰(zhàn)，那就是對(duì)包含建筑物的補(bǔ)丁進(jìn)行分類。“雖然通過預(yù)處理大大減少了，但空方格與建筑物的比例仍為10比1甚至1,000比1.這造成了不平衡的二元分類問題，因此我們使用F1分?jǐn)?shù)評(píng)估了我們的結(jié)果，這是精度和召回的調(diào)和平均值。“

“我們最新產(chǎn)品的前所未有的分辨率，規(guī)模和準(zhǔn)確性應(yīng)該繼續(xù)為世界各地的人道主義救援和發(fā)展提供幫助。”

該團(tuán)隊(duì)已將數(shù)據(jù)集提供下載。

接下來是什么：他們計(jì)劃在未來幾個(gè)月發(fā)布更多地方的高分辨率人口地圖。該項(xiàng)目旨在不斷增加新的大陸和國(guó)家。

“下載”同時(shí)提到了一種名為“深度地理”的東西，其綜述提出了使用深度學(xué)習(xí)從衛(wèi)星圖像中提取信息的一般科學(xué)內(nèi)容。該帖中的一個(gè)例子是微軟，它去年“培訓(xùn)了一種深度學(xué)習(xí)模型，用于構(gòu)建美國(guó)所有建筑足跡的綜合數(shù)據(jù)集。”