Компьютерное зрение научили предсказывать будущее городских районов

MIT

Программисты из Массачусетского технологического института и Гарвардского университета разработали методику компьютерного зрения, которая позволяет отслеживать развитие городских районов. Более того, с ее помощью ученые обнаружили факторы, на основе которых можно предсказывать будущее развитие районов. Оказалось, что интенсивное развитие слабо коррелирует со стоимостью недвижимости или средними зарплатами — гораздо сильнее связь с плотностью людей с высоким уровнем образования и близостью к центральным деловым районам. Другой немаловажный результат — районы с высоким рейтингом благополучия в среднем развиваются быстрее, чем районы с низким изначальным рейтингом. Исследование опубликовано в журнале Proceedings of the National Academy of Sciences, кратко о нем сообщает пресс-релиз MIT.

Алгоритмы компьютерного зрения используются повсеместно — от систем безопасности аэропортов до автопилотов автомобилей. Одна из главных задач, стоящих перед подобными методиками — аннотирование объектов на видео. Для этого используется машинное обучение. Уже существуют алгоритмы, способные определять эмоции на лицах людей, различать объекты разных типов. 

В 2011 году один из проектов MIT — Place Pulse собрал огромную базу данных, состоявшую из фотографий улиц и ответов респондентов о том, какие улицы выглядят более безопасными. Эту базу другая команда исследователей использовала для тренировки алгоритмов машинного зрения, чтобы научить компьютер отличать безопасные улицы от опасных по фотографиям. Разработанное программное обеспечение (Streetscore) определяло рейтинг «благополучности» района на фотографии по объектам, попадавшим в кадр — зелени, окнам зданий и так далее. Всего авторы провели оценку более миллиона снимков.

В новой работе авторы Streetscore проанализировали более 1,5 миллионов пар снимков, сделанных с разрывом в семь лет, чтобы оценить, как изменился рейтинг благополучия мест за это время. Фотографии были собраны в базе данных Google Street View. Чтобы удостовериться в надежности алгоритма 15 тысяч выбранных наугад пар были аннотированы вручную — мнение людей совпало с оценкой компьютера в 72 процентах случаев. 

Чтобы проверить некоторые популярные гипотезы о развитии городов, ученые сравнили результаты с данными по стоимости жилья, зарплатам и другими базами данных с географической привязкой. Как оказалось, близость к деловому центру города и образованность сильно коррелируют с большими темпами развития — равно как и изначально высокий рейтинг Streetscore. По словам авторов, гораздо интереснее те параметры, с которыми не коррелировало развитие районов — зарплаты и стоимость жилья. Как отмечает Чезар Идальго (César Hidalgo), соавтор работы, это значит, что развитие районов определяется не заработком, а скорее уровнем квалификации людей, живущих в нем.

Исследователи нашли теорию, предсказывающую корреляцию развития района с его изначальным благополучием. Она называется tipping theory, что можно перевести как «теория наклона». Чем лучше район изначально, тем быстрее он развивается. Другой важный результат работы — сама принципиальная возможность использовать компьютерное зрение для оценки динамики городов, наряду с традиционными методами.

Наглядно развитие городов можно увидеть с помощью одного из сервисов Google — Timelapse от разработчиков Google Earth. Он объединяет спутниковые снимки, сделанные за последние 33 года в анимацию.

Владимир Королёв

Нашли опечатку? Выделите фрагмент и нажмите Ctrl+Enter.