Mata manusia membantu drone, mengajarkan mesin untuk melihat

Week 10, continued (Juli 2019).

Anonim

Gambar drone menumpuk lebih cepat daripada yang bisa dianalisis. Para peneliti telah mengembangkan pendekatan baru yang menggabungkan crowdsourcing dan pembelajaran mesin untuk mempercepat proses.

Siapa yang akan menang dalam permainan kehidupan nyata "Where's Waldo, " manusia atau komputer? Sebuah penelitian baru-baru ini menunjukkan bahwa ketika kecepatan dan akurasi sangat penting, pendekatan yang menyisir kecerdasan manusia dan mesin akan mengambil hadiah. Dengan drone yang digunakan untuk memonitor semua situs bencana alam, polusi, atau populasi satwa liar, menganalisis gambar drone secara real-time telah menjadi tantangan data besar yang sangat penting. Menerbitkan dalam jurnal Big Data, peneliti, termasuk Stéphane Joost dari EPFL, menghadirkan pendekatan baru untuk menginterpretasi foto udara secara cepat yang diambil oleh drone kamera yang menggabungkan crowdsourcing manusia dan pembelajaran mesin.

Untuk mengembangkan dan menguji pendekatan mereka, para peneliti melakukan perjalanan ke cagar alam Kuzikus di jantung Namibia. Di sana mereka mensurvei senyawa menggunakan kamera-drone untuk menghitung populasi satwa liar penduduk, termasuk burung unta, kudus, wildebeests, zebra dan badak. Dihadapkan dengan jumlah gambar yang menakutkan yang ditangkap, dan kesulitan memiliki komputer yang dapat dipercaya membedakan antara batu, semak-semak, dan hewan, para peneliti beralih ke internet. Menggunakan platform crowdsourcing online, www.micromappers.org, mereka mengunggah gambar mereka untuk analisis manual oleh pasukan relawan digital.

Tugas yang diberikan sebelum sukarelawan digital sangat mudah. Mereka diminta untuk mengklik setumpuk gambar, mengidentifikasi semua binatang, dan memberi garis besar pada layar mereka. Menurut penulis senior studi Stéphane Joost, tanggapannya mengejutkan: "Dalam dua hari, mereka telah mengevaluasi 98% dari 26.000 gambar yang telah diunggah." Selanjutnya, setengah dari gambar beranotasi ini digunakan untuk melatih algoritma pengenalan objek otomatis, yang kemudian diuji pada gambar yang tersisa. "Para sukarelawan digital 500 memang menghasilkan sejumlah positif palsu, menelusuri fitur yang sebenarnya bukan hewan. Meskipun begitu, analisis mereka tentu cukup baik untuk melayani sebagai data pelatihan untuk algoritma komputer, " kata Joost.

Bantuan penting setelah bencana

Kecerdasan buatan telah menjadi andalan dalam operasi tanggap bencana, di mana ia terutama diandalkan untuk menjelajahi tweet dan pesan teks untuk apa yang bisa menjadi informasi yang menyelamatkan jiwa. "Twitter dapat meletus hingga puluhan ribu tweets dikirim dari zona bencana per menit. Diperlukan waktu beberapa hari bagi manusia untuk mengurutkan informasi yang relevan dari yang tidak relevan, " kata Joost. "Hari ini, tantangan ini telah diselesaikan dan tweet dapat dianalisis dengan cepat menggunakan kombinasi kecerdasan manusia dan buatan. Tantangan kami adalah untuk mengubah solusi ini untuk menerapkannya pada analisis data gambar."

Dari ketinggian di atas, drone yang membawa kamera beresolusi tinggi menawarkan penyelamat yang sangat berharga tempat untuk menemukan bangunan yang rusak, jalan yang terhalang, dan fitur penting lainnya. Dan untungnya, secara otomatis mengidentifikasi dan mengidentifikasi hewan di Savanna kemungkinan akan jauh lebih menantang daripada menemukan infrastruktur yang hancur dalam bencana. Setelah selesainya studi percontohan di Namibia, alat baru ini digunakan dalam misi serius pertamanya: itu diadopsi oleh Bank Dunia untuk mempercepat kerusakan dan kebutuhan penilaian pasca badai tropis Pam yang melanda Negara Kepulauan Vanuatu di 2015.

menu
menu