Convirtiendo viejos mapas en modelos digitales en 3D de vecindarios perdidos.
Converting old maps into 3D digital models of lost neighborhoods.
![Los investigadores utilizaron 13 mapas Sanborn producidos en 1961 de dos vecindarios adyacentes en el lado este de Columbus, OH. Las técnicas de aprendizaje automático pudieron extraer datos de los mapas y crear modelos digitales. ¶ Crédito: Center for Urban and Regional Analysis/Ohio State University](https://cacm.acm.org/system/assets/0004/5849/063023_Center_for_Urban_and_Regional_Analysis-Ohio_State_University_map.large.jpg?1688141510&1688141510)
Investigadores de la Universidad Estatal de Ohio (OSU), la Comisión de Planificación Regional de Mid-Ohio y la empresa proveedora de soluciones de marketing con sede en Chicago, Epsilon, han convertido antiguos mapas de seguros contra incendios Sanborn en modelos digitales tridimensionales de vecindarios históricos utilizando una nueva técnica de aprendizaje automático (ML).
Yue Lin de OSU creó herramientas de ML que extraen detalles sobre edificios individuales, incluida la ubicación, los materiales de construcción y el uso principal, a partir de los mapas.
El equipo utilizó el método para reconstruir digitalmente dos vecindarios en gran parte demolidos en el lado este de Columbus, OH, basándose en 13 mapas Sanborn elaborados en 1961.
El análisis validó la precisión de la réplica del modelo de ML, con las huellas de los edificios y los materiales de construcción de la versión digital coincidiendo en un 90% aproximadamente con los de los mapas. De Ohio State News Ver artículo completo
- Cómo convertirse en un científico de datos sin experiencia técnica consejos y estrategias
- Investigadores enseñan a una IA a escribir mejores leyendas de gráficos
- Usando GANs en TensorFlow para generar imágenes
Resúmenes Copyright © 2023 SmithBucklin, Washington, D.C., EE. UU.
We will continue to update Zepes; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
- ¿Qué es la simulación de robótica?
- Una guía para mejorar la transformación digital a través de la limpieza de datos
- Ejecución de tareas de Python Wheel en contenedores Docker personalizados en Databricks
- Aprovechando los datos de precipitación y climatología en Sudamérica
- Manteniendo la Calidad de Datos en Sistemas de Aprendizaje Automático
- Las habilidades que ayudan a los científicos de datos a crecer
- Revelando el Precision@N y Recall@N en un Sistema de Recomendación