Predicción de la calidad de vida en escenas de caminatas utilizando redes neuronales profundas y mejora del rendimiento mediante la destilación del conocimiento

El bienestar de los residentes es una prioridad máxima para las megaciudades, por lo que el diseño urbano y el desarrollo sostenible son temas cruciales. La calidad de vida (Quality of Life, QoL) se utiliza como un eficaz índice clave de rendimiento (key performance index, KPI) para medir la eficiencia de los factores de cantidad y calidad de un plan urbanístico.

Para los habitantes de las ciudades, la calidad de vida de los peatones también es importante. El concepto de transitabilidad evalúa y analiza la calidad de vida en un entorno peatonal. Sin embargo, el método tradicional de encuesta por cuestionario es costoso, requiere mucho tiempo y su área de evaluación es limitada.

Para superar estas limitaciones, el artículo propone el uso de la tecnología de inteligencia artificial (AI) para evaluar los datos de transitabilidad recogidos a través de un cuestionario utilizando herramientas de realidad virtual. El método propuesto implica la extracción de conocimiento utilizando redes neuronales convolucionales profundas para la extracción de información y modelos de aprendizaje profundo para inferir puntuaciones de QoL. También se aplica la destilación de conocimiento para reducir el tamaño del modelo y mejorar el rendimiento en tiempo real.

Los resultados experimentales demuestran que el enfoque propuesto es práctico y puede considerarse un método alternativo para la adquisición de la QoL.

Título Original:

"Quality of Life Prediction on Walking Scenes Using Deep Neural Networks and Performance Improvement Using Knowledge Distillation"

Autor/es: