‘La vue de la rue au secours: l’apprentissage profond ouvre la voie à des bâtiments plus sûrs’

Les images comme celles de Google Street View prennent une nouvelle direction entre les mains du professeur assistant d’intelligence artificielle de l’université de Floride, Chaofeng Wang. Il s’en sert, avec l’apprentissage profond, dans un projet de recherche pour automatiser l’évaluation des bâtiments urbains. Le projet vise à aider les gouvernements à réduire les dégâts causés par les catastrophes naturelles en fournissant les données nécessaires aux décideurs pour renforcer les structures des bâtiments ou effectuer une récupération après catastrophe. Après une catastrophe naturelle telle qu’un tremblement de terre, les gouvernements locaux envoient des équipes pour vérifier et évaluer les conditions des bâtiments. Fait manuellement, cela peut prendre jusqu’à des mois pour examiner l’ensemble du stock d’une ville. Le projet de Wang utilise l’IA pour accélérer le processus d’évaluation – réduisant le temps nécessaire à quelques heures. Le modèle IA est entraîné à l’aide d’images provenant de Google Street View et de gouvernements locaux pour attribuer des scores aux bâtiments en fonction des normes du FEMA P-154, qui fournissent des lignes directrices d’évaluation basées sur des facteurs tels que le matériau des murs, le type de structure, l’âge du bâtiment, etc. Wang a également collaboré avec le programme mondial de logements résistants de la Banque mondiale pour collecter des images et effectuer des annotations, qui ont été utilisées pour améliorer le modèle. Les images collectées sont placées dans un dépôt de données. Le modèle IA lit le dépôt et effectue une inférence sur les images – un processus accéléré par les systèmes NVIDIA DGX A100.