AI Sekarang Dapat Mendeteksi Dan Memetakan Pemukiman Informal Di Dunia

• Model baru berbasis pembelajaran mendalam dapat secara otomatis mendeteksi dan memetakan pemukiman informal menggunakan citra satelit resolusi rendah.
• Ini dapat mengklasifikasikan seperti apa spektrum permukiman informal, dengan cara yang hemat biaya.

Hampir seperempat penduduk perkotaan dunia tinggal di permukiman informal – lokasi yang terputus dari infrastruktur kota dan layanan dasar. Sebagian besar rumah di daerah ini tidak mematuhi peraturan pembangunan dan terletak di daerah yang berbahaya secara lingkungan dan geografis.

Memetakan wilayah-wilayah ini dapat membantu LSM melayani mereka yang membutuhkan dengan lebih baik. Hal ini akan memungkinkan penduduk setempat untuk berkembang secara signifikan dan mendapatkan kualitas hidup yang lebih baik. Namun, memetakan area seperti itu adalah tugas yang menantang dan menuntut banyak sumber daya manusia dan keuangan yang berdedikasi.

Untuk mengatasi tantangan tersebut, tim peneliti internasional telah membangun sistem berbasis pembelajaran mendalam yang dapat secara otomatis mendeteksi dan memetakan permukiman informal menggunakan citra satelit dan udara yang tersedia secara gratis. Ini mengambil gambar satelit sebagai masukan (dalam format pengguna mentah) dan menyediakan pengklasifikasi terlatih yang menghasilkan peta biner yang menampilkan area pemukiman informal.

Pendekatan Berbasis Machine Learning yang Hemat Biaya

Para peneliti mengembangkan dan secara ekstensif memvalidasi dua metode berbasis pembelajaran mesin untuk mengidentifikasi dan memetakan penyelesaian informasi. Yang satu hemat biaya, dan yang lain mahal tapi penting untuk memproses informasi kontekstual. Bersama-sama, metode ini dapat mengklasifikasikan seperti apa spektrum permukiman informal.

Metode pertama menggunakan Hutan Korelasi Kanonik yang efisien secara komputasi (metode ansambel pohon keputusan untuk klasifikasi dan regresi) untuk mempelajari sinyal spektral pemukiman informal dari citra satelit resolusi rendah.

Metode kedua menggunakan jaringan saraf konvolusi dengan citra satelit beresolusi sangat tinggi untuk mengekstrak fitur berbutir finder. Tim telah mendemonstrasikan generalisasi metode yang diusulkan untuk mengidentifikasi permukiman informal tidak hanya di wilayah lokal, tetapi juga secara global.

Referensi: arXiv:1901.00861

Jaringan saraf convolutional dilatih pada citra satelit resolusi rendah, resolusi tinggi, dan resolusi sangat tinggi, menggunakan 8 GPU NVIDIA Tesla V100 dengan masing-masing memori 16GB. Karena mencapai resolusi yang sangat tinggi sedikit mahal, para peneliti datang dengan pendekatan hemat biaya yang menggunakan citra satelit resolusi rendah.

Pemukiman formal dan informal di Kibera, Nairobi | Atas perkenan peneliti 

Tim telah merilis dua tolok ukur penyelesaian informal untuk citra satelit resolusi rendah dan resolusi sangat tinggi, dengan fakta lapangan yang menyertainya. Mereka juga telah menyediakan semua kode sumber dan model di GitHub.

Karena perbedaan pemukiman informal di seluruh dunia dan ketidakpastian di lapangan, sistem ini bisa sangat berguna untuk menguji teknik pembelajaran transfer dan meta-learning. Para peneliti berencana untuk menerapkan teknik Bayesian untuk mengkarakterisasi ketidakpastian melalui model probabilistik.

Selain itu, kawasan permukiman informal seluas satu kilometer persegi dapat menampung lebih dari 129.000 orang. Dengan demikian, setiap piksel dapat mewakili 13 orang. Jenis perhitungan ini benar-benar dapat membantu pemerintah dan LSM memahami berapa banyak bantuan yang perlu diberikan dan berapa banyak infrastruktur yang dibutuhkan.

Baca:AI Secara Tepat Dapat Memetakan Setiap Bangunan Di Amerika Serikat

Para peneliti saat ini bekerja sama dengan UNICEF untuk mengumpulkan data dan anotasi kebenaran dasar tambahan untuk pemukiman informal.