Facebook的测绘团队旨在帮助工作人员了解需要帮助的地方

Facebook的人工智能研究人员和数据科学家创建了人口密度图。特别之处在于它们比任何前辈都更准确，分辨率更高。Derrick Bonak，Derrick Bonafilia，James Gill，Danil Kirsanov和Jason Sundram周二转向Facebook博客写下他们的作品。

这些地图是为人道主义援助和发展的重要目的而绘制的。认为援助工作者在疾病控制和灾难准备方面。

“在我们之前发布的22个国家类似的高分辨率人口地图的基础上，我们现在发布了非洲大陆大部分地区的新地图，该项目最终将映射全世界的人口。”

快速公司的 Ben Paynter为工人提供了极大的挑战，帮助需要帮助的人以及地图如何提供​​帮助。

“疫苗，疾病作战杀虫剂和太阳能技术的新进步，都可以帮助人们在发展中的国家保持健康，并有更好的品质生活。也就是说，如果你能找到他们。在许多地方，较小的社区都在广阔摊开和相对未知的地形。“

这是由该公司位于波士顿的World.AI团队开发的。Facebook团队有一些证据表明他们的地图可以实现其目的。他们说，在马拉维，Facebook地图被用来告知麻疹和风疹运动。红十字会能够将训练有素的当地志愿者部署到有需要的特定地区。

实现其目标的技术是机器学习技术，高分辨率卫星图像和人口数据的混合体。(他们写道，这个项目中的卫星地图“是使用DigitalGlobe的商业卫星图像生成的 - 通过可公开访问的地图服务提供的相同类型的图像。”)

他们的方法涉及映射分布在广大地区的“数以亿计的结构”。他们用它来推断当地的人口密度。

另一篇Facebook博文进一步描述了这一过程。“例如，仅对非洲而言，该系统检查了115亿个单独的图像，以确定它们是否包含一个结构。他们的方法在短短几天内就发现了大约1.1亿个结构位置。”

为了解释人工智能是如何释放出来的，Karen Hao在麻省理工学院技术评论 “下载”中的一篇文章引导读者。

“首先，Facebook的World.AI小组的一个团队必须训练一个神经网络，以识别卫星图像中的一片土地是否包含一个家。为此，研究人员通过覆盖超过1亿人群创建了一个训练数据集从OpenStreetMap到卫星图像的家庭坐标。他们还使用老式计算机视觉技巧来验证没有家的标签图像不包含任何多边形形状的物体。“

非洲大陆的卫星图像被分割成100英尺×100英尺的区域。他们使用神经网络创建准确的高分辨率人口密度图。

当然，博客值得一读，不仅要了解他们取得的成就，还要欣赏困扰人口映射的巨大挑战。正如他们所说，这是一项挑战，适合深度学习。

“一个国家的人口普查显示有多少人生活在一个特定的人口普查区，但它并不表明人们居住在这些地区 - 有时候这些地区包含数百平方英里。仅非洲就有近12亿平方英里的12亿人口;其最大的人口普查区是150,000平方英里，有55,000人。如果研究人员知道房屋或其他建筑物在这些区域中的位置，他们可以通过按比例分配每个人口来创建极其准确的密度图。

因此，鉴于“巨大的不平衡”，他们做了什么?

“世界上大部分土地都不包含建筑物，所以我们经常处理从100到1的负到正的阶级不平衡。我们使用经典的计算机视觉技术进行预处理步骤，几乎完美的召回(在丢弃大部分不包含建筑物的区域，这使得我们留下了候选~30x30米(64x64像素)的卫星图像。“

(报告中的标题解释说“我们的管道首先留出不能包含建筑物的位置。然后神经网络根据它包含建筑物的可能性对每个剩余位置进行排序。”)

他们写道，他们继续接下来的挑战，那就是对包含建筑物的补丁进行分类。“虽然通过预处理大大减少了，但空方格与建筑物的比例仍为10比1甚至1,000比1.这造成了不平衡的二元分类问题，因此我们使用F1分数评估了我们的结果，这是精度和召回的调和平均值。“

“我们最新产品的前所未有的分辨率，规模和准确性应该继续为世界各地的人道主义救援和发展提供帮助。”

该团队已将数据集提供下载。

接下来是什么：他们计划在未来几个月发布更多地方的高分辨率人口地图。该项目旨在不断增加新的大陆和国家。

“下载”同时提到了一种名为“深度地理”的东西，其综述提出了使用深度学习从卫星图像中提取信息的一般科学内容。该帖中的一个例子是微软，它去年“培训了一种深度学习模型，用于构建美国所有建筑足迹的综合数据集。”