佛罗里达大学研究人员使用 AI 和街景图像实现自动化建筑安全分析。
在佛罗里达大学人工智能助理教授 Chaofeng Wang 的努力下,图像将发挥新的用途,例如谷歌街景中的图像。
Wang 的项目致力于研究如何将街景图像与深度学习相结合,以实现城市建筑评估的自动化。该项目旨在通过提供加固建筑结构或进行灾后恢复所需的信息,帮助政府减少因自然灾害造成的损失。
在地震等自然灾害发生后,地方政府通常会派出工作小组对建筑物状况进行检查和评估。如果完全依靠人力,检查完一个城市的全部建筑可能需要长达数月的时间。
Wang 的项目使用 AI 对这一评估流程进行加速,将所需时间缩短到几小时。该 AI 模型使用谷歌街景和当地政府提供的图片进行训练,并依据联邦紧急事务管理局(FEMA)P-154 标准为建筑物打分。这套打分标准提供了基于墙体材料、结构类型、建筑年代等因素的评估指南。Wang 还与世界银行全球弹性住房项目(World Bank Global Program for Resilient Housing)合作收集图像并添加注释,以便于优化该模型。
收集到的图像被存放在数据存储库中。该 AI 模型通过读取存储库中的数据,进而对图像进行推理,并由 NVIDIA 系统对这一过程进行加速。
Wang 表示:“如果没有 NVIDIA GPU,我们就无法完成这一任务。NVIDIA GPU 大大加快了这个流程,使我们及时获得了结果。”
Wang 在佛罗里达大学的超级计算机 HiPerGator 中使用了 NVIDIA 系统的节点。HiPerGator 是全球学术界运行速度最快的 AI 超级计算机之一,具有 700 PB 的 AI 性能。该计算机是在 NVIDIA 联合创始人之一、佛罗里达大学校友 Chris Malachowsky 的支持下,基于 NVIDIA 提供的硬件、软件、培训和服务建成的。
该 AI 模型的输出结果被编译成一个数据库,并录入到一个门户网站中,该门户网站采用地图形式,呈现了包括安全评估分数、建筑类型甚至屋顶或墙体材料等信息。
Wang 的研究获得了 NVIDIA 应用研究加速器计划(NVIDIA Applied Research Accelerator Program)的赞助。该计划致力于支持这些通过对商业和政府组织采用的 NVIDIA 加速应用进行部署,从而有潜力影响现实世界发展的科研项目。
政府的好帮手
Wang 表示,该门户网站可以满足不同的应用需求。政府可以仅凭街景图像作出预测,做好应对自然灾害的准备。
他表示:“虽然这些街景都是静态图像,比如谷歌街景图像,它每隔几年才进行一次更新。但这对于收集信息和宏观了解统计数据来讲已经足够了。”
但在农村地区或发展中地区,由于没有这类街景图像或者图像更新频率较低,政府需要自行收集图像。而借助 NVIDIA GPU,就能实现及时得建筑评估,进而有助于加快图像处理的分析速度。
Wang 还表示,在经过充分的完善后,他的研究成果还能为城市规划和保险行业带来改变。
目前,墨西哥的一些地方政府正在对该项目进行测试。还有一些非洲、亚洲和南美洲的国家也对该项目产生了浓厚的兴趣。根据 FEMA P-154 标准,目前该项目的评估分数准确率已经达到 85% 以上。
土地勘测
Wang 提到,该项目面临的一个挑战是不同国家的城市景观差异。各地区有自己特色的文化和建筑风格。由于 AI 模型没有在足够大或足够多样化的图像库上进行训练,因此在进行墙体材料分析时,可能会受到油漆颜色等因素的影响。城市密度的差异也是该项目面临的另一个挑战。
Wang 表示:“这是当前 AI 技术普遍面临的局限性。为了能够发挥应用价值,我们需要有足够多的训练数据来代表真实世界的街景分布。所以我们正在通过努力收集数据来解决泛化问题。”
为了克服这一挑战,Wang 希望能在更多的城市训练和测试该模型。到目前为止,他已经测试了不同国家的八座城市。
他表示:“我们需要生成更加详细、高质量的注释来训练该模型。这样我们才能不断改进,使其在未来得到更广泛的应用。”
Wang 的目标是让这个项目能够达到作为服务进行部署的程度,支持更多行业的应用。
“我们正在创建能够估算和分析建筑与住户的应用编程接口,以实现与其他产品的无缝集成。我们还在构建一个可供所有政府机构和组织使用的用户友好型应用。”
GTC 2024 将于 2024 年 3 月 18 至 21 日在美国加州圣何塞会议中心举行,线上大会也将同期开放。点击 “阅读原文” 或扫描下方海报二维码,立即注册 GTC 大会。
原文标题:用街景图守卫建筑:深度学习为提高建筑安全铺平道路
文章出处:【微信公众号:NVIDIA英伟达】欢迎添加关注!文章转载请注明出处。
全部0条评论
快来发表一下你的评论吧 !