Вестник цифровой трансформации

Госинспекция по недвижимости: нейросеть выявляет нарушения по фото
Госинспекция по недвижимости: нейросеть выявляет нарушения по фото

Дарья Казакова: «По результатам внедрения технологии нейросетей можно сделать вывод, что точность и эффективность этого метода в обнаружении событий составляет более 90%. По итогам 2022 года около трети нарушений в области землепользования было выявлено Госинспекцией при помощи нейросети»


21:50 03.04.2023 (обновлено: 11:15 08.04.2023)  |  Николай Смирнов | 2008 просмотров



Дарья Казакова, заместитель начальника отдела мониторинга вовлечения земельных участков Госинспекции по недвижимости Москвы, – об использовании нейросетей для автоматического выявления признаков нарушений в области землепользования.

В Государственной инспекции по контролю за использованием объектов недвижимости города Москвы продолжают практику использования нейросетей для автоматического выявления признаков нарушений в области землепользования. Дарья Казакова, заместитель начальника отдела мониторинга вовлечения земельных участков Госинспекции по недвижимости Москвы и номинант на премию Data Award, рассказала о новых проектах, позволяющих оптимизировать надзорную деятельность.

— В прошлом году, участвуя в Data Award, Госинспекция по недвижимости рассказала об использовании алгоритмов для автоматического выявления нарушений по пяти сценариям. Какова судьба этих проектов, каковы итоги, как вы сами оцениваете их результаты?

Алгоритмы применяются в деятельности Госинспекции по недвижимости для автоматического выявления признаков нарушений в области землепользования. В настоящий момент проводится работа по совершенствованию их работы, а также ведется разработка новых алгоритмов по новым типам нарушений.

Поскольку для ряда алгоритмов сохраняется потребность в анализе архивных источников, нами в настоящий момент апробируется технология по распознаванию постобработки архивной разрешительной и технической документации. В рамках пилотного проекта, который мы проводили в 2022 году, проведена оценка точности распознавания текста документов и выявления атрибутов. Ее основными преимуществами являются быстрая проверка на наличие штампов и печатей, распознавание рукописных дат и номеров документов, качественное извлечение данных из таблиц с четкими линиями, а также точное извлечение машинописных атрибутов, имеющих фиксированный формат.

— Что произошло за последний год? Появились ли новые приоритетные задачи или корректировка направления работ?

Мы ведем активную работу по совершенствованию и разработке новых инструментов контроля. В рамках достижения стратегической цели по использованию городского пространства с максимальной экономической эффективностью, одной и приоритетных задач является внедрение и увеличение количества алгоритмов получения информации для повышения объективизации процессуальных решений.

— Новые представленные вами решения направлены на сферу строительства: стройплощадки, летние кафе, мусор. Почему эта задача важна для вас?

На территории столицы зарегистрировано огромное количество объектов недвижимости, они все различны по своему назначению и фактическому использованию. Мы считаем важным убедиться, что объекты соответствуют градостроительным нормам, а при выявлении нарушения – привести эти объекты в соответствии с регламентами.

— Одним из источников данных являются городские камеры ЕЦХД. Неужели кому-то еще приходит в голову «нарушать» под камерами?

Тут необходимо уточнить, что городские камеры ЕЦХД не фиксируют нарушение. В рамках информационного взаимодействия мы получаем скриншоты объектов, которые передаются на анализ искусственной нейронной сети (ИНС). Ее задача – определить по фотографии наличие признака нарушения. Для реализации такой нейросети совместно с ДИТ города Москвы была проделана большая методическая и технологическая работа по ее обучению.

— Другой источник данных – БПЛА. О каких именно аппаратах идет речь, в чьих интересах они работают?

В нашем распоряжении мульти-роторные системы DJI maviс 2 и DJI mavic 3. В ведомственной системе реализован функционал по формированию и согласованию полетов, а также автоматической передаче изображений на анализ ИНС из системы АИС Госинспекции по недвижимости.

— Есть ли какая-нибудь особенность у данных видов нарушений и практики их выявления?

Для детектирования событий с помощью ИНС разрабатываются альбомы нарушений, которые содержат описание признаков нарушений и их примеры на изображениях. Это четкий набор критериев и условий, по которым обучается нейронная сеть.

— Каких результатов удалось достичь? Как это соотносится с ожиданиями?

По результатам внедрения технологии ИНС можно сделать вывод, что точность и эффективность этого метода в обнаружении событий составляет более 90%. По итогам 2022 года около трети (30,4%) нарушений в области землепользования было выявлено Госинспекцией при помощи нейросети.

— А чего можно ожидать в дальнейшем?

В настоящий момент мы апробируем новые источники получения данных для анализа нейронной сетью, такие как камеры, установленные на транспортные средства, и анализ спутниковых снимков. В 2022 году совместно с ДИТ мы провели пилотный проект по выбору оптимального решения для автоматического обнаружения изменений в городской среде на основе космоснимков. По итогу проведения сравнительного тестирования было определено лучшее программное обеспечение, которое путем сравнения географически привязанных снимков одной и той же местности, сделанных за разные периоды времени, обнаруживает с точностью более 90% следующие события: появление объекта капитального строительства, временных строений и строительных площадок, исчезновение объекта капитального строительства и временных строений, а также пространственное изменение объекта капитального строительства, временных строений или строительных площадок на более чем 20 кв. м.

— Что показывает практика – каких из видов нарушений больше? А с какими из них бороться сложнее всего и почему?

Статистика обработанных ИНС изображений по камерам БПЛА и ЕЦХД, на которых зафиксированы объекты контроля, по итогам 2022 года следующая: строительные площадки – 37,5 тыс. с БПЛА и 49 тыс. с ЕЦХД, навалы – 43,5 тыс. и 65 тыс., летние кафе – 6 тыс. и 6,5 тыс. соответственно. Объемы датасетов для анализа ИНС по каждому детектору различны. Приведены лишь сводные данные о количестве изображений, проанализированных данной технологией.

— Вы считаете, что нивелирование человеческого фактора позволяет выстроить доверительные отношения между Госинспекцией по недвижимости и подконтрольными ей субъектами. Чем это помогает в работе и почему является целью?

Применение той или иной технологии не говорит о том, что человеческий труд будет полностью заменен. Целью цифровизации является внедрение цифровых технологий в конкретный бизнес-процесс организации, направленное на его оптимизацию и приводящее к росту продуктивности. Поэтому, применяя цифровые технологии, мы обеспечиваем автоматизацию и оптимизацию деятельности, которые способствуют производительности и стандартизации производственных процессов.

 

Теги: Data Award