用街景图守卫建筑：深度学习为提高建筑安全铺平道路
佛罗里达大学研究人员使用 ai 和街景图像实现自动化建筑安全分析。
在佛罗里达大学人工智能助理教授 chaofeng wang 的努力下，图像将发挥新的用途，例如谷歌街景中的图像。
wang 的项目致力于研究如何将街景图像与深度学习相结合，以实现城市建筑评估的自动化。该项目旨在通过提供加固建筑结构或进行灾后恢复所需的信息，帮助政府减少因自然灾害造成的损失。
在地震等自然灾害发生后，地方政府通常会派出工作小组对建筑物状况进行检查和评估。如果完全依靠人力，检查完一个城市的全部建筑可能需要长达数月的时间。
wang 的项目使用 ai 对这一评估流程进行加速，将所需时间缩短到几小时。该 ai 模型使用谷歌街景和当地政府提供的图片进行训练，并依据联邦紧急事务管理局（fema）p-154 标准为建筑物打分。这套打分标准提供了基于墙体材料、结构类型、建筑年代等因素的评估指南。wang 还与世界银行全球弹性住房项目（world bank global program for resilient housing）合作收集图像并添加注释，以便于优化该模型。
收集到的图像被存放在数据存储库中。该 ai 模型通过读取存储库中的数据，进而对图像进行推理，并由 nvidia 系统对这一过程进行加速。
wang 表示：“如果没有 nvidia gpu，我们就无法完成这一任务。nvidia gpu 大大加快了这个流程，使我们及时获得了结果。”
wang 在佛罗里达大学的超级计算机 hipergator 中使用了 nvidia 系统的节点。hipergator 是全球学术界运行速度最快的 ai 超级计算机之一，具有 700 pb 的 ai 性能。该计算机是在 nvidia 联合创始人之一、佛罗里达大学校友 chris malachowsky 的支持下，基于 nvidia 提供的硬件、软件、培训和服务建成的。
该 ai 模型的输出结果被编译成一个数据库，并录入到一个门户网站中，该门户网站采用地图形式，呈现了包括安全评估分数、建筑类型甚至屋顶或墙体材料等信息。
wang 的研究获得了 nvidia 应用研究加速器计划（nvidia applied research accelerator program）的赞助。该计划致力于支持这些通过对商业和政府组织采用的 nvidia 加速应用进行部署，从而有潜力影响现实世界发展的科研项目。
政府的好帮手
wang 表示，该门户网站可以满足不同的应用需求。政府可以仅凭街景图像作出预测，做好应对自然灾害的准备。
他表示：“虽然这些街景都是静态图像，比如谷歌街景图像，它每隔几年才进行一次更新。但这对于收集信息和宏观了解统计数据来讲已经足够了。”
但在农村地区或发展中地区，由于没有这类街景图像或者图像更新频率较低，政府需要自行收集图像。而借助 nvidia gpu，就能实现及时得建筑评估，进而有助于加快图像处理的分析速度。
wang 还表示，在经过充分的完善后，他的研究成果还能为城市规划和保险行业带来改变。
目前，墨西哥的一些地方政府正在对该项目进行测试。还有一些非洲、亚洲和南美洲的国家也对该项目产生了浓厚的兴趣。根据 fema p-154 标准，目前该项目的评估分数准确率已经达到 85% 以上。
土地勘测
wang 提到，该项目面临的一个挑战是不同国家的城市景观差异。各地区有自己特色的文化和建筑风格。由于 ai 模型没有在足够大或足够多样化的图像库上进行训练，因此在进行墙体材料分析时，可能会受到油漆颜色等因素的影响。城市密度的差异也是该项目面临的另一个挑战。
wang 表示：“这是当前 ai 技术普遍面临的局限性。为了能够发挥应用价值，我们需要有足够多的训练数据来代表真实世界的街景分布。所以我们正在通过努力收集数据来解决泛化问题。”
为了克服这一挑战，wang 希望能在更多的城市训练和测试该模型。到目前为止，他已经测试了不同国家的八座城市。
他表示：“我们需要生成更加详细、高质量的注释来训练该模型。这样我们才能不断改进，使其在未来得到更广泛的应用。”
wang 的目标是让这个项目能够达到作为服务进行部署的程度，支持更多行业的应用。
“我们正在创建能够估算和分析建筑与住户的应用编程接口，以实现与其他产品的无缝集成。我们还在构建一个可供所有政府机构和组织使用的用户友好型应用。”
gtc 2024 将于 2024 年 3 月 18 至 21 日在美国加州圣何塞会议中心举行，线上大会也将同期开放。点击 “阅读原文” 或扫描下方海报二维码，立即注册 gtc 大会。
原文标题：用街景图守卫建筑：深度学习为提高建筑安全铺平道路
文章出处：【微信公众号：nvidia英伟达】欢迎添加关注！文章转载请注明出处。
Imagination的优化设计套件 (DOK) 可提供显著的硅 PPA 效益，并缩短设计周期时间
发电机的励磁系统有什么用_发电机的励磁电路图
再上新台阶，青海电网新能源单日发电量达到9670万千瓦时
LINS算法的框架与代码分析
容积式压缩机冷水机组
用街景图守卫建筑：深度学习为提高建筑安全铺平道路
时刻关注车载充电器 不可小看其“威力”
单相PFC电路设计
倒装晶片装配对板支撑及定位系统的要求
TGY2681KB贴片Y电容规格参数、规格书
什么是CircleIndicator？CircleIndicator的源码实现
华为2018年财报：全球销售收入7212亿元人民币，同比增长了19.5%
介绍四款远距离无线通信模块
LED显示产品路线图
PHP中数组的使用方法！
安捷伦收购AT4 wireless的测试系统业务
腾讯发力计算机视觉 将推动人工智能迎来质变
Silicon labs：关于Zigbee的解决方案一直在路上
一文简述什么是增程式电动汽车
瑞萨电子推出的满足ASIL B标准的全新电源管理IC， 是车载摄像头应用的理想选择
在佛罗里达大学人工智能助理教授 chaofeng wang 的努力下，图像将发挥新的用途，例如谷歌街景中的图像。
wang 的项目致力于研究如何将街景图像与深度学习相结合，以实现城市建筑评估的自动化。该项目旨在通过提供加固建筑结构或进行灾后恢复所需的信息，帮助政府减少因自然灾害造成的损失。
在地震等自然灾害发生后，地方政府通常会派出工作小组对建筑物状况进行检查和评估。如果完全依靠人力，检查完一个城市的全部建筑可能需要长达数月的时间。
wang 的项目使用 ai 对这一评估流程进行加速，将所需时间缩短到几小时。该 ai 模型使用谷歌街景和当地政府提供的图片进行训练，并依据联邦紧急事务管理局（fema）p-154 标准为建筑物打分。这套打分标准提供了基于墙体材料、结构类型、建筑年代等因素的评估指南。wang 还与世界银行全球弹性住房项目（world bank global program for resilient housing）合作收集图像并添加注释，以便于优化该模型。
收集到的图像被存放在数据存储库中。该 ai 模型通过读取存储库中的数据，进而对图像进行推理，并由 nvidia 系统对这一过程进行加速。
wang 表示：“如果没有 nvidia gpu，我们就无法完成这一任务。nvidia gpu 大大加快了这个流程，使我们及时获得了结果。”
wang 在佛罗里达大学的超级计算机 hipergator 中使用了 nvidia 系统的节点。hipergator 是全球学术界运行速度最快的 ai 超级计算机之一，具有 700 pb 的 ai 性能。该计算机是在 nvidia 联合创始人之一、佛罗里达大学校友 chris malachowsky 的支持下，基于 nvidia 提供的硬件、软件、培训和服务建成的。
该 ai 模型的输出结果被编译成一个数据库，并录入到一个门户网站中，该门户网站采用地图形式，呈现了包括安全评估分数、建筑类型甚至屋顶或墙体材料等信息。
wang 的研究获得了 nvidia 应用研究加速器计划（nvidia applied research accelerator program）的赞助。该计划致力于支持这些通过对商业和政府组织采用的 nvidia 加速应用进行部署，从而有潜力影响现实世界发展的科研项目。
政府的好帮手
wang 表示，该门户网站可以满足不同的应用需求。政府可以仅凭街景图像作出预测，做好应对自然灾害的准备。
他表示：“虽然这些街景都是静态图像，比如谷歌街景图像，它每隔几年才进行一次更新。但这对于收集信息和宏观了解统计数据来讲已经足够了。”
但在农村地区或发展中地区，由于没有这类街景图像或者图像更新频率较低，政府需要自行收集图像。而借助 nvidia gpu，就能实现及时得建筑评估，进而有助于加快图像处理的分析速度。
wang 还表示，在经过充分的完善后，他的研究成果还能为城市规划和保险行业带来改变。
目前，墨西哥的一些地方政府正在对该项目进行测试。还有一些非洲、亚洲和南美洲的国家也对该项目产生了浓厚的兴趣。根据 fema p-154 标准，目前该项目的评估分数准确率已经达到 85% 以上。
土地勘测
wang 提到，该项目面临的一个挑战是不同国家的城市景观差异。各地区有自己特色的文化和建筑风格。由于 ai 模型没有在足够大或足够多样化的图像库上进行训练，因此在进行墙体材料分析时，可能会受到油漆颜色等因素的影响。城市密度的差异也是该项目面临的另一个挑战。
wang 表示：“这是当前 ai 技术普遍面临的局限性。为了能够发挥应用价值，我们需要有足够多的训练数据来代表真实世界的街景分布。所以我们正在通过努力收集数据来解决泛化问题。”
为了克服这一挑战，wang 希望能在更多的城市训练和测试该模型。到目前为止，他已经测试了不同国家的八座城市。
他表示：“我们需要生成更加详细、高质量的注释来训练该模型。这样我们才能不断改进，使其在未来得到更广泛的应用。”
wang 的目标是让这个项目能够达到作为服务进行部署的程度，支持更多行业的应用。
“我们正在创建能够估算和分析建筑与住户的应用编程接口，以实现与其他产品的无缝集成。我们还在构建一个可供所有政府机构和组织使用的用户友好型应用。”
gtc 2024 将于 2024 年 3 月 18 至 21 日在美国加州圣何塞会议中心举行，线上大会也将同期开放。点击 “阅读原文” 或扫描下方海报二维码，立即注册 gtc 大会。
原文标题：用街景图守卫建筑：深度学习为提高建筑安全铺平道路
文章出处：【微信公众号：nvidia英伟达】欢迎添加关注！文章转载请注明出处。
Imagination的优化设计套件 (DOK) 可提供显著的硅 PPA 效益，并缩短设计周期时间
发电机的励磁系统有什么用_发电机的励磁电路图
再上新台阶，青海电网新能源单日发电量达到9670万千瓦时
LINS算法的框架与代码分析
容积式压缩机冷水机组
用街景图守卫建筑：深度学习为提高建筑安全铺平道路
时刻关注车载充电器 不可小看其“威力”
单相PFC电路设计
倒装晶片装配对板支撑及定位系统的要求
TGY2681KB贴片Y电容规格参数、规格书
什么是CircleIndicator？CircleIndicator的源码实现
华为2018年财报：全球销售收入7212亿元人民币，同比增长了19.5%
介绍四款远距离无线通信模块
LED显示产品路线图
PHP中数组的使用方法！
安捷伦收购AT4 wireless的测试系统业务
腾讯发力计算机视觉 将推动人工智能迎来质变
Silicon labs：关于Zigbee的解决方案一直在路上
一文简述什么是增程式电动汽车
瑞萨电子推出的满足ASIL B标准的全新电源管理IC， 是车载摄像头应用的理想选择