Unos investigadores internacionales, con participación de la Universitat Oberta de Catalunya (UOC), han desarrollado un sistema de visión por computador basado en deep learning que aprovecha una base de datos de más de 1,7 millones de fotografías. Lo que permitirá detectar automáticamente los desastres naturales a través de imágenes colgadas en las redes sociales.
La profesora de la UOC Ágata Lapedriza, especializada en inteligencia artificial, que ha participado en el proyecto liderado por el Massachusetts Institute of Technology (MIT), afirma que han demostrado que la detección automática de incidentes en redes como Twitter es factible, algo que puede ayudar mucho en las organizaciones de ayuda humanitaria.
La investigación, que compartimos coincidiendo con el Día de las Redes Sociales, ha utilizado herramientas de visión por computación que, una vez entrenadas con 1,7 millones de fotografías, se han demostrado eficaces para analizar, filtrar y detectar catástrofes reales, como inundaciones, tornados o incendios forestales. Que, por otra parte, son cada vez más habituales y devastadores a consecuencia del cambio climático.
Lapedriza destaca que al no haber herramientas para saber donde y cuando habrá este tipo de incidentes, el tener una respuesta rápida y eficaz de los servicios de emergencia y cooperación internacional es fundamental para salvar vidas.
"Afortunadamente, la tecnología puede jugar un papel muy importante en estas situaciones. Las publicaciones en las redes sociales se pueden utilizar como una fuente de datos de baja latencia para entender la progresión y las consecuencias de un desastre", añade.
En la investigación, que publica la revista 'Transactions on Pattern Analysis and Machine Intelligence', Lapedriza ha contribuido a definir la taxonomía de incidentes, crear la base de datos para entrenar los modelos de deep learning y ejecutar los experimentos que validaron esta tecnología.
Los investigadores establecieron un listado con 43 categorías de incidentes naturales (aludes, tormentas de arena, terremotos, erupciones volcánicas, sequías...) y diferentes tipos de accidentes con algún grado de intervención humana (de avión, de construcción, etc.).
Este listado, junto con una tipología de 49 lugares, permitió etiquetar las fotografías con las que prepararon el sistema, que contiene 1.787.154 imágenes etiquetadas.
Esto permitió entrenar al sistema para que elimine los falsos positivos y entienda, por ejemplo, que una fotografía de una hoguera no corresponde a un incendio, aunque comparta características visuales similares.
Una vez consiguió entrenar el modelo de 'deep learning' en la detección de incidentes en imágenes, el equipo lo puso a prueba en varios experimentos, utilizando un volumen de imágenes ingente descargado de redes sociales como Flickr y Twitter.
Aseguran que su modelo detectó las imágenes que se correspondían a incidentes y acertó sobre los cuales ya había un registro, como por ejemplo, los terremotos de 2015 en Nepal y Chile.
"Esto abre las puertas a que las organizaciones de ayuda humanitaria puedan enterarse de qué está pasando de manera más eficiente y puedan mejorar la gestión de la ayuda humanitaria cuando sea necesaria", concluye la especialista.
Apúntate a nuestra newsletter y recibe en tu correo las últimas noticias sobre tecnología.
Comentarios
Hemos bloqueado los comentarios de este contenido. Sólo se mostrarán los mensajes moderados hasta ahora, pero no se podrán redactar nuevos comentarios.
Consulta los casos en los que 20minutos.es restringirá la posibilidad de dejar comentarios