机器学习如何有助于城市发展

| 发表于 |

CityCnn.

一个 实验项目表明了机器学习的能力 在城市发展中。它用图像作为起点并提出 有趣和有用的应用程序。

“我读了数据 机器视觉算法如何与卫星一起使用的科学论文 图像。我立即看到了与我们在做的事情的联系,“ antti. Kauppi,Arkkitehdit Sankari的建筑师解释说。 “大多数人联系 使用Google的Visual Searches识别。谷歌可以区分是否 例如,一张照片显示了猫或其他动物。我们进一步走了一步。“

开放城市意象的实验

Arkkitehdit. Sankari Oy,芬兰建筑设计公司开始了实验 project CityCnn. 2018年5月。它收到了基拉二维的资金 芬兰政府的建筑环境的数字化计划。 CityCnn. 探索了使用机器学习和开放数据的可能性 development.

kauppi. 来自埃斯波,芬兰第二大城市的埃斯波的数据收集 赫尔辛基。他创建了一块Python软件来检索来自的数据 city’s server.

kauppi有 多年来完成编程,但不认为自己是AI专家:“我的 特殊技能是将技术应用于我们的业务。它很像使用 Photoshop。即使你没有掌握它的内心,你也可以成功使用它 workings.”

使用竞争神经网络

这 实验使用所谓的生成对抗性网络(GANS)。它是一个 机器学习技术,您可以将两个神经网络与每个神经网络相匹配 other.

首先 网络,生成器,创建新图像。第二网络, 鉴别器,使用真实图像并采用新生成的图像。它 评估图像是否是真实的或生成的。在重复这个过程中 再次,发电机和鉴别器变得更加准确, 结果,所生成的图像改善。

有条件的对抗 CityCNN中使用的网络是基本技术的扩展。他们是 用图像对训练。他们可以从行创建摄影图像 例如,图纸或将印象派绘画转换为照片。

CityCnn中使用的条件对抗网络

实验

“我们用 亚马逊的计算能力云。我用数百人训练了网络 图像对,“Kauppi解释道。他展示了空中照片的例子 网络已转换为城市计划。通过逆转神经网络, 系统使用城市计划创建了空中插图。

其他 Citycnn应用在卫星图像中标记的建筑物用颜色。 kauppi. 将它与一名五岁的蜡笔相比,并告诉他们所有的蜡笔 建筑物。逆转动作,神经网络可以创建卫星图像 从建筑物,自动加入道路和街道甚至停车 较大的建筑物。它已经了解了埃斯科埃斯科的景观 喜欢和模仿它相当准确。

从密度图到卫星图像

kauppi给了 实时演示网络的能力。他绘制了矩形 空窗口和机器在另一个方面创建一个对手。当他画一个 中间的小矩形,机器将其视为中间的房子 树木覆盖的区域。一条狭长的狭窄,最终成为一个有房子的街道 双方。当Kauppi吸引大型建筑物时,网络看到它们 作为工业综合体或仓库,毗邻大型停车场 automatically.

所有 可视化是算法的并且基于数学。机器没有 “了解”背景。然而,它的行为看起来令人不安。

实际应用

一个 可以立即使用实际使用的应用程序是一个识别的工具 潜在补充开发的领域。 kauppi拍了空中照片 埃斯波的住宅区和使用油漆计划来标记他认为的空间 适合填充物。使用500图像对作为培训材料,他教导了 网络对任何卫星图像做的相同。这样,机器可以 快速发现所有潜在的补充开发领域。 聪明地,它没有国旗公园或森林。

“如果我们给了 到专家的5,000对图像对,并在图像上标记有意义的东西, 网络将学习如何在国家一级做同样的事情,“Kauppi 设想。 “这听起来像很多工作,但大约需要10天 计算的几​​千欧元,这是合理的。在初始之后 培训,网络可以以毫秒生成新图像。“

生成位图与真实的位图相比

如果你 将图像数据与其他类型的城市数据组合,新应用出现。 Kauppi Perions Mapita的Maptionnaire应用程序,允许公民提供 关于他们的城市体验的地方反馈。如果人们标记某些区域 不安全或愉快,机器学习算法可以自动 找到其他类似的地方,以帮助未来的城市计划。

“现在 我们令人满意地完成了这个实验,我们将报告结果 公开分享我们的经历,“Kauppi说。 “我们很高兴讨论如何 进一步发展这些想法。“

您可以通过电子邮件发送Antti Kauppi .

分享这个

通过继续使用该网站,即表示您同意使用cookie。 更多信息

本网站上的Cookie设置设置为“允许Cookie”,为您提供最佳浏览体验。如果您继续使用本网站而不更改Cookie设置,或者在下面单击“接受”,则您正在同意此操作。

关闭