Кирилл Бродт (ММФ-2013, 2015) занял второе место в соревновании международного фонда

Источник

Глобальный фонд по уменьшению опасности бедствий и восстановлению (Global Facility for Disaster Reduction and Recovery — GFDRR) организовал соревнования. Цель — ускорить разработку более точных, актуальных и пригодных для использования моделей искусственного интеллекта с открытым исходным кодом для анализа управления рисками стихийных бедствий в африканских городах.

Выпускник Механико-математического факультета НГУ Кирилл Бродт принял участие в соревновании по сегментации зданий по аэроснимкам, покрывающим более чем 700 тысяч строений различных африканских городов. По результатам конкурса выпускник НГУ стал вторым в списке победителей, уступив лидерство специалисту из «Сколково». Всего в соревновании приняли участие 1106 участников.

Отличительной чертой этого конкурса была работа с геоданными. Участникам предложили два типа разметок, отличающихся качеством: «грязная» (тир-2) и «чистая» (тир-1). В тир-1 было размечено порядка 150 тысяч квадратных метров, в тир-2 — 250 тысяч, но по количеству зданий «чистых» был примерно в 10 раз меньше, чем «грязных».

— Про тест, кроме того, что это тайлы размером 1024*1024 пискселей, больше ничего неизвестно — ни названия города, ни уровней масштабирования. И в этом была основная сложность. Нужно было решать, на каких уровнях масштабирования карты и на каких размерах нужно обучать модель. Моё решение было достаточно простое. Была выбрана хорошо зарекомендовавшая себя архитектура сети Unet для сегментации нейронных структур на биомедицинских снимках. Уровень масштабирования был взят таким, чтобы на один пиксель изображения приходилось примерно 0.3 метра (19 уровень), а размеры тайлов 512*512 пикселей. Из-за разных погодных условий и городов был сильный дисбаланс среди изображений. Решалось это оверсэмплингом редких изображений. Более того, так модель училась очень быстро, несмотря на размеры изображений, — рассказал о своем решении задачи Кирилл Бродт.

Организаторы конкурса отмечают, что более эффективные и ответственные системы ИИ могут обеспечить самые точные, быстрые и недорогие подходы к оценке риска и защите жизни и имущества. Одной из проблем городов является контроль риска бедствий в постоянно меняющейся природной среде. Здания, дороги и важная инфраструктура должны достаточно подробно отслеживаться — это поможет определить наименее и наиболее уязвимые строения. Знание того, где и какие конструкции уязвимы для повреждения или разрушения в результате стихийных бедствий, является ключом к управлению рисками.