Siga o Olhar Digital no Google Discover
Uma equipe de pesquisadores do Massachusetts Institute of Technology (MIT), especializados em Inteligência Artificial, criou um banco de dados com centenas de milhares de imagens de acidentes e desastres naturais, que poderá ser usado para a criação de um algoritmo que reconheça esses incidentes e possa alertar organizações humanitárias e equipes de emergência. O projeto foi apresentado na Conferência Europeia sobre Visão Computacional (ECCV).
Ofertas
Por: R$ 2.069,90
Por: R$ 56,60
Por: R$ 75,85
Por: R$ 334,32
Por: R$ 24,75
Por: R$ 2.379,00
Por: R$ 15.522,79
Por: R$ 49,90
Por: R$ 140,00
Por: R$ 178,49
Por: R$ 198,99
Por: R$ 3.999,00
Por: R$ 160,65
Por: R$ 187,00
Por: R$ 209,90
Por: R$ 166,19
Por: R$ 330,00
A ideia é que o sistema consiga reconhecer ocorrências como acidentes de carro, incêndios, terremotos, enchentes e até erupções vulcânicas a partir de imagens compartilhadas nas redes sociais em tempo real. “No entanto, não existem conjuntos de dados de imagens em grande escala para detecção de incidentes”, afirmam os pesquisadores.
Foi montado então um banco com 447 mil imagens rotuladas como acidentes ou desastres naturais, divididos em 43 categorias, e 697 mil imagens rotuladas sem qualquer incidente. As imagens também contêm rótulos de localização, como praia, ponte, floresta ou casa. “Empregamos um modelo de classificação de linha de base que mitiga erros de falso positivo e realizamos experimentos de filtragem de imagens em milhões de fotos do Flickr e Twitter”, contam os pesquisadores.
O projeto, chamado Incidents, classificou as imagens por tipos de danos ou eventos específicos que podem exigir atenção ou assistência humana, como congestionamentos ou acidentes de carro. “Nosso conjunto de dados é significativamente maior, mais completo e muito mais diverso do que qualquer outro conjunto de dados disponível relacionado à detecção de incidentes, permitindo o treinamento de modelos robustos capazes de detectar incidentes na natureza”, dizem os pesquisadores.
A inclusão de imagens cotidianas ainda ajudou o modelo a fazer análises mais precisas. “Podemos observar que, sem usar os negativos da classe durante o treinamento, o modelo não consegue distinguir entre uma lareira e uma casa em chamas, ou detectar quando uma bicicleta quebra por causa de um acidente”, explicam os responsáveis pelo Incidents.
Para testar a eficácia do sistema, os pesquisadores usaram o conjunto de dados para treinar uma rede neural convolucional e encontraram uma precisão média de 77% em terremotos e inundações no Twitter. O experimento incluiu a análise de 900 mil fotos de cinco terremotos e duas inundações postadas na rede social.
Os dados criaram IA capaz de reconhecer terremotos e inundações de quase um milhão de fotos do Twitter com uma precisão média de cerca de 74% e 89%, respectivamente.
Via: VentureBeat
Tags: