L'IA peut désormais détecter et cartographier les implantations informelles dans le monde

• Un nouveau modèle basé sur l'apprentissage en profondeur peut détecter et cartographier automatiquement les quartiers informels à l'aide d'images satellites à basse résolution.
• Il peut classer à quoi ressemble le spectre d'un établissement informel, de manière rentable.

Près d'un quart de la population urbaine mondiale vit dans des quartiers informels, des endroits coupés des infrastructures urbaines et des services de base. La plupart des maisons dans ces zones ne sont pas conformes aux réglementations en matière de construction et elles sont situées dans des régions dangereuses pour l'environnement et la géographie.

La cartographie de ces régions peut aider les ONG à mieux servir ceux qui en ont besoin. Cela permettrait aux habitants d'évoluer de manière significative et d'acquérir une meilleure qualité de vie. Cependant, cartographier de telles zones est une tâche difficile et nécessite beaucoup de ressources humaines et financières dédiées.

Pour relever ces défis, une équipe internationale de chercheurs a construit un système basé sur l'apprentissage en profondeur qui peut détecter et cartographier automatiquement les établissements informels à l'aide d'images satellite et aériennes disponibles gratuitement. Il prend des images satellites en entrée (au format utilisateur brut) et fournit un classificateur entraîné qui génère des cartes binaires présentant les zones d'habitat informel.

Approches rentables basées sur l'apprentissage automatique

Les chercheurs ont développé et largement validé deux méthodes basées sur l'apprentissage automatique pour identifier et cartographier les implantations d'informations. L'un est rentable et l'autre est prohibitif mais essentiel pour le traitement des informations contextuelles. Ensemble, ces méthodes peuvent classer à quoi ressemble le spectre d'un établissement informel.

La première méthode utilise des forêts de corrélation canonique efficaces sur le plan informatique (une méthode d'ensemble d'arbres de décision pour la classification et la régression) pour apprendre le signal spectral des établissements informels à partir d'images satellites à basse résolution.

La deuxième méthode utilise un réseau de neurones à convolution avec des images satellites à très haute résolution pour extraire les caractéristiques granulaires du chercheur. L'équipe a démontré la généralisation des méthodes proposées pour identifier les établissements informels non seulement dans les régions locales, mais à l'échelle mondiale.

Référence : arXiv :1901.00861

Les réseaux de neurones convolutifs sont entraînés sur des images satellites basse, haute et très haute résolution, à l'aide de 8 GPU NVIDIA Tesla V100 avec 16 Go de mémoire chacun. Étant donné que l'obtention d'une très haute résolution coûte un peu cher, les chercheurs ont proposé une approche rentable qui utilise des images satellites à basse résolution.

Habitations formelles et informelles à Kibera, Nairobi | Avec l'aimable autorisation des chercheurs 

L'équipe a publié deux repères d'établissement informel pour l'imagerie satellitaire à basse et très haute résolution, accompagnées de vérités sur le terrain. Ils ont également fourni tout le code source et les modèles sur GitHub.

En raison des différences dans les établissements informels à travers le monde et des incertitudes sur le terrain, ce système pourrait être extrêmement utile pour tester les techniques d'apprentissage par transfert et de méta-apprentissage. Les chercheurs prévoient d'appliquer des techniques bayésiennes pour caractériser les incertitudes via des modèles probabilistes.

De plus, la superficie d'un kilomètre carré des quartiers informels pourrait abriter plus de 129 000 personnes. Ainsi, chaque pixel pourrait représenter 13 personnes. Ces types de calculs pourraient vraiment aider les gouvernements et les ONG à comprendre combien d'aide doit être fournie et combien d'infrastructures sont nécessaires.

Lire :L'IA peut cartographier avec précision chaque bâtiment aux États-Unis

Les chercheurs travaillent actuellement avec l'UNICEF pour collecter des données de vérité de terrain supplémentaires et des annotations pour les établissements informels.