Grande svolta nella condivisione dati: stavolta sono quelli del nostro Pianeta a diventare Open Source

Il mondo smart e lo sviluppo di tecnologie sempre più avanzata stanno velocizzando il processo di evoluzione della Terra. In tutti i sensi.

Una grande svolta nella condivisioni dati potrebbe arrivare da uno studio di un team della London’s Global University (UCL),

Lo studio, sfruttando i dati raccolti dall’Agenzia Spaziale Europea (ESA) potrebbe aver contribuito a risolvere un grande ostacolo nella corsa al sapere. Analizzare il pianeta su larga scala con immagini satellitari e apprendimento automatico è un obiettivo costantemente ostacolato dal costo di immagini ad alta risoluzione altamente rappresentative e di difficile accesso. Per aggirare questo ostacolo il team della London’s Global University ha introdotto set di dati WorldStrat.

WorldStrat, un progetto su larga scala

“E’ il set di dati disponibile al pubblico più grande e vario – si legge nel report – con l’alta risoluzione dei satelliti Airbus SPOT 6/7 fino a 1,5 m/pixel, potenziato dal Phi-Lab dell’Agenzia spaziale europea nell’ambito del progetto QueryPlanet finanziato dall’ESA, curiamo quasi 10.000 kmq di luoghi unici per garantire una rappresentazione stratificata di tutti i tipi di uso del suolo nel mondo: dall’agricoltura alle calotte glaciali, dalle foreste alle molteplici densità di urbanizzazione”.

Dati open source, gratuiti ovviamente, arricchiti con località tipicamente sottorappresentate nei dataset ML: siti di interesse umanitario, siti minerari illegali, e insediamenti di persone a rischio. “Abbiniamo temporalmente ogni immagine ad alta risoluzione con più immagini a bassa risoluzione dai satelliti Sentinel-2 a bassa risoluzione liberamente accessibili a 10 m/pixel – continuano dal team London’s Global University – accompagniamo questo set di dati con un pacchetto Python open source per ricostruire o estendere il set di dati WorldStrat, addestrare e dedurre algoritmi di base e apprendere con numerosi tutorial, tutti compatibili con il popolare toolbox EO-learn”.

L’intento è quello di promuovere applicazioni ad ampio spettro di ML alle immagini satellitari sviluppando tramite immagini Sentinel2 pubbliche gratuite a bassa risoluzione lo stesso potere di analisi consentito da costose immagini private ad alta risoluzione. Il team sta rilasciando diverse linee di base altamente efficienti in termini di calcolo sull’attività di super-risoluzione multi-frame. Le immagini Airbus ad alta risoluzione sono CC BY-NC, mentre le etichette e le immagini di Sentinel2 sono CC BY e il codice sorgente e i modelli pre-addestrati sotto BSD. Il set di dati è disponibile grazie a un progetto a larga scala denominato WorldStrat. Che sarà presentato alla prossima conferenza NeurIPS 2022 di New Orleans.

FONTE