Недавно НАСА выпустило бета-версию приборной панели COVID-19, которая отслеживает различные воздействия глобального ответа на эпидемию COVID-19, что отражено в данных наблюдения Земли, ежедневно собираемых со спутников.
Команда машинного обучения IMPACT во главе с Мутукумараном Рамасубраманианом помогла в этой работе, создав модели машинного обучения, обученные определять движение судов, транспортных средств и самолетов на спутниковых снимках. Вот как член команды Чжуанфан НаНа И описал эту возможность:
Моей самой большой мотивацией было применение навыков статистического анализа для выработки правильных и эффективных решений. Глубокое обучение и облачные вычисления могут стимулировать массовые аналитические приложения в науках о Земле, и их применение на этой панели управления потенциально может повлиять на лучшие результаты принятия решений в ответ на COVID-19.
Команда IMPACT использовала небольшие спутниковые снимки с высоким временным разрешением для получения данных об обнаружении мультиклассовых объектов во многих местах и по разным датам. Модели, разработанные командой, были обучены на наборах данных с открытым исходным кодом. Затем результаты были синтезированы в отражение изменения отслеживаемых показателей с течением времени.
Модели использовали архитектуру SSD Resnet 101 FPN и были написаны на TensorFlow. Обучающие примеры были взяты из комбинации наборов данных DOTA и xView. В каждом из этих наборов данных было больше классов, чем необходимо для масштабов проблемы, поэтому команда отфильтровала и агрегировала классы, чтобы включить самолеты, небольшие транспортные средства, большие транспортные средства (включая грузовики) и корабли.
Для наиболее распространенного продукта для получения изображений планет - PlanetScope - команде пришлось уменьшить выборку обучающих изображений, чтобы они соответствовали спецификации 3-метрового пространственного разрешения PlanteScope. Для продукта с изображениями планет с высоким разрешением - тренировочные изображения были субдискретизированы, чтобы соответствовать спецификации пространственного разрешения 0,8 метра. Кроме того, к обучающим изображениям была применена коррекция цветового пространства, чтобы имитировать цветовое пространство и контраст соответствующих продуктов изображений Planet.
Применение машинного обучения к спутниковым снимкам вызвало множество проблем. Некоторые сложности, с которыми столкнулась команда, включали облачный покров, тени, дымку, цвет пикселей и изменение формы объекта из-за разницы во времени, когда были сделаны спутниковые изображения.
Команда машинного обучения IMPACT изучила возможные решения нескольких вопросов, таких как:
1) какие методы и тактика манипулирования данными эффективны, когда обучающие данные значительно отличаются от набора данных проверки по цвету, характеристикам и пространственному разрешению; и
2) метод, в котором люди работают более эффективно вместе с машинами, проверяя выходные данные модели, которые затем возвращаются, чтобы «переобучить» модель.
Подход, принятый командой IMPACT, показал, как меры по сглаживанию кривой COVID-19 привели к потенциальному воздействию на экономику и общество, представленное самолетами, автомобилями, грузовиками и кораблями. Анализ выявил статистический набор тенденций, который можно использовать для вывода корреляций с будущими остановами и другими политиками, реализованными на международном уровне. Кроме того, анализ показывает, как обнаружение изменений в различных экономических и социальных мероприятиях может коррелировать с обнаруженными изменениями в атмосферных или экологических показателях.
Член команды Лилли Томас говорит об этом потенциале:
Моей самой большой страстью всегда было решать проблемы науки о Земле с помощью машинного обучения для поддержки инновационных решений. Этот проект предоставил интересную возможность использовать машинное обучение как способ понимания воздействия глобальной пандемии с точки зрения наблюдения Земли.
В настоящее время на приборной панели отображаются только обнаруженные корабли. Обнаружение самолетов и транспортных средств планируется интегрировать в приборную панель в следующих выпусках.
