Uligheder i Storbritannien kan påvises ved hjælp af deep learning billedanalyse

Social, økonomisk, miljø- og sundhedsuligheder i byer kan påvises ved hjælp af gadebilleder. Fundene, fra forskere ved Imperial College London, er udgivet i Videnskabelige rapporter denne uge.

Detaljerede målinger af de betydelige uligheder, der findes i store byer som London, er afgørende for at informere og evaluere politikker, der har til formål at reducere dem. Imidlertid, kun et lille antal lande har fuldt forbundne statistiske datasæt, der giver mulighed for realtidsmålinger.

Esra Suel og kolleger fra Imperial's School of Public Health brugte en dyb læringstilgang til at træne et computerprogram til at opdage uligheder i fire store britiske byer – London, Birmingham, Manchester og Leeds - ved hjælp af offentligt tilgængelige street view-billeder og regeringsstatistikker.

Uddannet på 156, 581 billeder fra London svarende til 156, 581 postnumre, programmet forudsagde resultater med lignende nøjagtighed i de andre tre byer, efter at det var blevet finjusteret med kun 1 % af yderligere billeder indsamlet i West Midlands, Greater Manchester og West Yorkshire.

Forfatterne antog, at nogle træk ved byer og byliv, såsom boligkvalitet og boligmiljø, har direkte visuelle signaler, som en computer kunne genkende.

Lokale butikker og renovation

Disse visuelle signaler omfatter byggematerialer og forfald, biler, eller lokale butikker. Kombineret med statslige statistikker om resultater såsom boligforhold, middelindkomst, eller dødeligheds- og sygelighedsrater for én by, billeder kan bruges til at træne et computerprogram til at opdage uligheder i andre byer, der mangler statistiske data.

Forfatterne fandt, at deres computerprogram var mest succesfuldt til at genkende forskelle i kvaliteten af ​​levemiljøet og middelindkomsten.

'Måler det sociale, miljø- og sundhedsuligheder ved hjælp af dyb læring og gadebilleder' af E.Suel et al. er offentliggjort i tidsskriftet Videnskabelige rapporter .