Cercetătorii de la Institutul de Știință și Tehnologie Gwangju (GIST) folosesc inteligența artificială pentru a identifica locații potențiale nesigure în orașe

GWANGJU, Coreea de Sud, 24 februarie 2022 /PRNewswire/ — Identificarea atributelor specifice locației este un aspect important al inteligenței artificiale sociale. Cu toate acestea, modelele care sunt frecvent instruite pe percepții subiective și imagini statice nu sunt de încredere în prezicerea criminalității. Acum, cercetătorii de la GIST din Coreea duc lucrurile la următorul nivel prin antrenarea unei rețele neuronale cu un set de date geoetichetate de incidente deviante raportate și imagini secvențiale ale locațiilor deviante pentru a determina cu exactitate locațiile nesigure, legând comportamentul deviant de caracteristicile vizuale ale unui oraș.

Identificarea posibilelor puncte fierbinți de criminalitate într-un oraș este o problemă importantă pentru dezvoltarea siguranței urbane și poate ajuta autoritățile să ia măsurile necesare pentru a face orașul mai sigur pentru locuitorii săi. Eficacitatea unor astfel de măsuri preventive depinde de acuratețea predicțiilor, care sunt realizate din ce în ce mai mult de modele bazate pe inteligență artificială (AI). Cele mai multe modele existente folosesc percepții subiective ale locațiilor sigure, statutului socioeconomic și imagini statice ale scenelor crimei și doar câteva crime violente sunt clasificate ca date de intrare. Ca urmare, există adesea o discrepanță între predicțiile lor și realitate.

Într-un nou studiu publicat în AAAI Conference on Artificial Intelligence, cercetătorii de la Institutul de Știință și Tehnologie Gwangju (GIST) în Coreea de Sud a propus o strategie diferită bazată pe un set de date la scară largă și pe conceptul de „devianță”, care includea nu numai infracțiuni violente, ci și plângeri civile privind comportamentele care încalcă normele sociale, care se mai numesc și „comportament deviant”.

În consecință, ei au dezvoltat un model de rețea neuronală convoluțională, numit în mod adecvat „DevianceNet”, și l-au antrenat folosind un set de date geoetichetate de rapoarte de incidente deviante, cu imagini secvențiale corespunzătoare ale locațiilor incidentului, obținute folosind Google Street View. “Lucrarea noastră este primul studiu care investighează relația dintre aspectul fizic al unui oraș și devierea cu tehnicile de învățare profundă.” comentează Conf. univ Hae-Gon Jeoncare a condus studiul.

Cercetătorii au colectat imaginile din 10 coordonate GPS pe o rază de 50m de la locul incidentelor raportate și, pentru fiecare locație GPS, imagini luate în considerare cu 12 direcții pentru un total de 120 de imagini. Folosind date din cinci orașe mari din Coreea de Sud şi doi în UTILIZĂRI, și-au antrenat și testat modelul cu 2250 de locuri deviante și 760.952 de imagini. Un set de date atât de mare a îmbunătățit capacitățile de predicție ale modelului pentru a detecta posibile locații deviante. “Acest lucru a îmbunătățit sarcinile de percepție vizuală, cum ar fi recunoașterea, clasificarea și localizarea. explică dr. Jeon. “Reprezentarea holistică a DevianceNet extrasă din secvențe întregi de imagini face posibilă clasificarea și detectarea cu precizie a locurilor deviante.”

Deoarece modelul poate identifica comportamentul deviant de la atributele vizuale ale mediului, nu este specific orașului și poate fi folosit pentru a identifica potențialele locații nesigure chiar și atunci când datele despre incidente criminale nu sunt disponibile. “Acest lucru îl face un instrument util în țările care au o evidență slabă. Modelul poate fi integrat și în serviciile de navigație pentru a sugera rute mai sigure. spune dr. Jeon, vorbind despre implicațiile practice ale studiului. “În plus, planificatorii urbani pot folosi rezultatele predicției pentru a înțelege cum este orașulAspectul sau mediul de proiectare al lui poate fi reproiectat pentru a reduce cazurile de comportament deviant și activitate criminală.”

Să sperăm că viziunile lui se vor realiza curând!

Referinţă

Titlul lucrării originale: DevianceNet: Learning to Predict Deviance from A Large-Scale Geo-tagged Dataset

Conferință: AAAI Conference on Artificial Intelligence

URL: https://aaai-2022.virtualchair.net/poster_aisi253

*E-mailul corespondent al autorului: [email protected] , [email protected], [email protected]

Despre Institutul de Știință și Tehnologie Gwangju (GIST)

http://www.gist.ac.kr/

Contact media:
Seulhye Kim
[email protected]
82 62 715 6253

SURSA Institutul de Știință și Tehnologie Gwangju

.

Leave a Comment