ในโลกของเรานี้มีประชากรในเมืองประมาณถึง 25% ที่อาศัยอยู่ในชุมชนแออัด โดยมักเป็นพื้นที่ที่ถูกตัดขาดไปจากบริการพื้นฐานและโครงสร้างพื้นฐานของเมืองต่างๆ ไป ซึ่งการสร้างแผนที่ตำแหน่งชุมชนแออัดเหล่านี้จะสามารถช่วยให้หน่วยงาน NGO ต่างๆ สามารถดำเนินการเข้ามาช่วยเหลือได้สะดวกมากยิ่งขึ้น ด้วยเหตุนี้ นักวิจัยจากมหาวิทยาลัยต่างๆ จึงร่วมกันพัฒนาเครื่องมือที่ใช้ระบบ deep learning ที่สามารถคัดแยกได้ว่าเป็นชุมชนแออัดหรือไม่ โดยสามารถคัดแยกได้โดยใช้ข้อมูลภาพถ่ายดาวเทียมและภาพถ่ายทางอากาศที่มีให้บริการฟรี
“ชุมชมแออัด (informal settlement) นั้นคือบ้านที่อยู่อาศัยที่ซึ่งมีทั้งความไม่ปลอดภัยในเชิงสังคมและเศรษฐกิจมากที่สุดในโลก ดังนั้น เพื่อที่จะให้องค์กร NGO ต่างๆ อย่างเช่น UNICEF สามารถเข้ามาดูแลได้ดียิ่งขึ้น จึงต้องการข้อมูลแผนที่ตั้งชุมชนแออัดในสถานที่ต่างๆ” นักวิจัยกล่าวในงานตีพิมพ์ “ในงานนี้พวกเราได้สร้างข้อมูล dataset ที่เป็นผลเฉลย (ground truth) ขึ้นมาจำนวนหนึ่งและได้ให้ข้อมูลการ benchmark เป็นครั้งแรกในการตรวจจับชุมชนแออัด อีกทั้งพวกเราได้มีลิสต์สิ่งที่ท้าทายที่พบเจอในการทำแผนที่นี้ขึ้นมาพร้อมกับข้อจำกัดบางอย่างที่พบเจอโดย NGO”
โดยทีมได้เทรนโครงข่าย Convolutional Neural Network บนข้อมูลภาพถ่ายดาวเทียมที่มีความละเอียดในระดับต่างๆ ทั้ง VHR (Very High Resolution), HR (High Resolution) และ LR (Low Resolution) ซึ่งภาพ VHR นั้นต้องมีค่าใช้จ่ายสูง ทางทีมจึงได้สร้างวิธีการที่เหมาะสมกับราคาที่สามารถใช้ภาพ LR ได้ด้วย
สิ่งที่เป็น contribution ในงานวิจัยนี้คือการทำ 2 ระบบที่ใช้ deep learning มาทำงานร่วมกันระหว่างตัว source code และ model พร้อมกับข้อมูล dataset เองก็ได้เปิดออกมาด้วยเช่นกัน ซึ่งในนั้นจะมีพื้นที่ที่เด่นๆ ก็คือในประเทศโคลอมเบีย อินเดีย เคนยา ไนจีเรีย แอฟริกาใต้ และซูดาน
“ในส่วนหนึ่งของงานนี้พวกเราผสมข้อมูล dataset ต่างๆ ไว้ด้วยกัน เพื่อที่จะสร้างข้อมูลที่ให้ community สามารถนำไปใช้สร้างโมเดลการเรียนรู้ของเครื่อง (Machine Learning) ใหม่ๆ ได้” นักวิจัยกล่าว
วิธีการที่ใช้คือการเทรนเพื่อคัดแยกสเปคตรัมของลักษณะชุมชนแออัด ซึ่งด้วยภาพถ่ายดาวเทียมความละเอียด LR ที่มีอยู่ฟรีนั้น ทีมงานได้นำมาเทรนเพื่อตรวจจับทุกๆ สิ่งว่าเป็นชุมชนแออัดหรือไม่ อีกวิธีการหนึ่งคือใช้ semantic segmentation ในการวิเคราะห์ภาพถ่ายดาวเทียมความละเอียดสูง ซึ่งมีประโยชน์ในการบอกพิกัดของชุมชนแออัดที่ไม่ได้มีข้อมูลสเปคตรัมที่โดดออกมาจากภาพถ่ายดาวเทียมความละเอียดต่ำได้
งานวิจัยนี้ได้มีการเปิดเผย source code และ model ไว้ใน Github แล้ว และงานวิจัยได้ตีพิมพ์ไว้ใน ArXiv
Source : https://news.developer.nvidia.com/ai-helps-map-the-worlds-informal-settlements/