Представляем Urban Monitoring, продукт GeoAlert, партнеров Geomatrix

После серий экспериментов и создания датасетов компания GeoAlert, партнер Geomatrix, запустила первый продукт “Urban Monitoring” по распознаванию и классификации зданий на спутниковых снимках.

Идея уже была озвучена известными компаниями “Mapbox-Google-Microsoft etc.” Зачем картировать дома (дороги и т.д.), если можно сделать обучаемый алгоритм, который будет работать не хуже картографа, а кроме того, мониторить изменения и делать обновления? Представьте, что можно было бы отслеживать новое строительство во всем мире и автоматически обновлять глобальную базу. Все было бы слишком просто… Пока еще никто не предложил алгоритм, который будет давать одинаково высокое качество в глобальном масштабе на разных территориях: от частных домов до старинных городских кварталов и стихийной городской застройки.

Основное количество карт городов до сих пор рисуется вручную, а спутниковые снимки оцифровываются по плану выпуска картографических обновлений, а не по факту изменений на местности — но машинное обучение хороший способ сократить время и, в конечном счете, стоимость обработки данных.

Поэтому  алгоритмы “Urban Monitoring” были встроены в платформу потоковой обработки данных — каждый может опробовать любую интересующую его территорию и получить статистику с точностью до дома.

  • Вам нужно выбрать область на карте (в демонстрационной версии ограничены тип геометрии — прямоугольник, и максимальный размер области — 10 кв.км.)
  • Чтобы запустить процессинг нужно быть залогиненым (достаточно аккаунта Google)
  • Процессинг 2кв.км занимает меньше 30 сек (если нет очереди задач). Пока ожидаете, можно посмотреть демонстрационные области

Поскольку работа в основном велась над улучшением качества в основном по российским городам, на выборке (Казань, Мытищи, Киров) удалось достигнуть высоких результатов (F1~0.8-0.9 в зависимости от типа строений по сравнению с готовыми картографическими данными). Если результат по вашей территории не дает необходимого качества, команда знает, как дообучить алгоритмы и выполняем эту работу.

Кроме базовой сегментации, было реализовано несколько важных дополнительных пост-сегментационных моделей. Все в целом получило название “mapping & heighting”.

  • Классификация зданий по типу (пока что показывается три типа строений, разделяя многоквартирные и частные дома, но работа ведется над выделением дополнительных классов)
  • Восстановление высот по 2D изображениям. Крыша здания при спутниковой съемке почти всегда смещена, в зависимости от наклона камеры, поэтому чтобы получить так называемые “футпринты”, которые которые рисуют картографы, нужно сдвинуть автоматический контур к основанию. Кроме того, определение высот дает возможность оценить количество этажей в многоквартирном здании и его потенциальную жилплощадь. Одно из приложений для таких данных— оценка потенциального спроса в зоне доступности торговых точек.

В завершение анонса. Урбанизация территорий идет высокими темпами: новые коттеджные поселки, новые микрорайоны городов и т.д. По прогнозам ООН 68% населения будут проживать в таких урбанизированных территориях к 2050 году. Можно ли создать инструмент на основе спутниковых снимков, который позволяет эти изменения отслеживать и прогнозировать связанные с ними экономические показатели? Первой гипотезой стал поиск мест строительства. Первые результаты сравнений спутниковых покрытий для мониторинга строительства, которые были получены по нескольким российским городам, уже доступны на платформе.

Стройки, задетектированные по спутниковым снимкам— demo.geoalert.io

Спасибо, что дочитали! Вы можете написать про ваши идеи приложений на основе платформы или задачи в ваших проектах, в которых наши технологии могут быть полезны. 

 

 

 

 

 

 

 

 

0 ответы

Ответить

Want to join the discussion?
Feel free to contribute!

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *