Pesquisadores utilizam AI para ‘ver’ além da fachada de edifícios no Google Street View
São Paulo — InkDesign News — Pesquisadores da Universidade de Toronto desenvolveram um método que usa machine learning para extrair informações detalhadas sobre edifícios a partir de imagens do Google Maps, como idade e área útil.
Contexto da pesquisa
O estudo, publicado na Journal of Industrial Ecology, visa melhorar a compreensão das necessidades de recursos das cidades e priorizar projetos de infraestrutura. O método oferece uma solução de baixo custo para gerar dados em larga escala sobre edifícios.
Método proposto
A pesquisa utiliza uma abordagem de rede neural convolucional (CNN) para treinar um modelo de machine learning que estima características de edifícios com base em imagens externas. O modelo foi capaz de prever a idade dos edifícios com 70% de acurácia e a área útil com 80% de acuracidade.
“Ninguém tem milhões de dólares para gastar apenas em dimensões de edifícios, então isso é a diferença entre poder trabalhar nesses problemas e não.”
(“Nobody has millions of dollars to spend on just building dimensions, so this is the difference between being able to work on these problems and not.”)— Shoshanna Saxe, Professora Associada, Universidade de Toronto
Resultados e impacto
A equipe concluiu que, usando este método, é possível obter estimativas sobre o uso de recursos e as emissões de carbono incorporadas nos materiais de construção. O modelo também fornece dados que não podem ser obtidos apenas através de mapas ou plantas de edifícios.
“Você precisa ver as estruturas… saber a idade do edifício é importante, pois isso informa quais materiais foram utilizados e qual é o carbono incorporado.”
(“You need to see structures… Knowing the age of the building is important, as it tells you what materials were used and what embodied carbon there is.”)— Shoshanna Saxe, Professora Associada, Universidade de Toronto
A metodologia apresentada poderia ter aplicações significativas no planejamento urbano, permitindo que os planejadores compreendam melhor as necessidades de recursos das cidades e respondam a desafios de infraestrutura no futuro.
Fonte: (TechXplore – Machine Learning & AI)
