Wij hebben de veelgestelde vragen hier beneden beantwoord.
Q1: Hoe gebruiken jullie al deze gelabelde data?
- De data wordt gebruikt om een AI model te trainen op het herkennen van rook, gebaseerd op ons vorige werk. Hierbij wordt het model een deep neural network dat leert om video's in twee categorieën te classificeren: rook of geen rook. Op basis hiervan kunnen wij het model gebruiken om rook te herkennen van meerdere datums en camera's op de camera van Frisse Wind.
Q2: Waarom hebben jullie vrijwilligers nodig?
- Hoewel deep neural networks nuttig blijken te zijn rondom verschillende toepassingen (bijvoorbeeld objectherkenning), kost het trainen van zo'n model heel veel gelabelde data. Om dit zelf allemaal te labelen kan één onderzoek zo honderden uren mee bezig zijn. Dit is waarom we vrijwilligers nodig hebben.
Q3: Waarom is het zo belangrijk om rook te visualiseren en te herkennen?
- Ons eerder gedaan werk rondom het monitoren van luchtkwaliteit laat zien dat het visualiseren van bewijs van rook uitstoot helpt met het krijgen van aandacht van toezichthouders. Daarnaast helpt het visualiseren de gemeenschap meer vertrouwen te geven in het aanpakken van luchtvervuiling.
Q4: Waar komen de video clips vandaan?
- Wij hebben een aantal video's geselecteerd en bewerkt van de YouTube channel van Frisse Wind. De originele opnames zijn te vinden op tool van Frisse Wind.
Q5: Waarom zijn mijn labels niet door kwaliteitscheck heen gekomen en hoe wordt deze kwaliteit bepaald?
- Voor elke batch (16 video's of 8 afbeeldingen) op de pagina worden er door het systeem willekeurige video's geplaatst. Van deze video's of afbeeldingen zijn de antwoorden al bekend, wat als maatstaf gebruikt wordt. Een batch komt door de kwaliteitscheck heen als de maatstaf video's of afbeeldingen correct gelabeld zijn.
Q6: Hoe weet het systeem dat er rook in de video of afbeelding is?
- Het systeem bepaalt een label op basis van alle gegeven labels door de onderzoekers en de burgers. Elke video of afbeelding wordt op zijn minst bekeken door twee vrijwilligers en één onderzoeker. Als de vrijwilligers hetzelfde label hebben gegeven aan de video of afbeelding, dan wordt dit label opgeslagen door het systeem. Als dit niet zo is, wordt het proces herhaald. Het resultaat wordt dus bepaald op basis van meerderheidsstemming.
Q7: Waarom vraagt het dialoogvenster soms of ik video autoplay wil activeren?
- Tijdens het labelen moeten video's automatisch worden afgespeeld. Als een telefoon data saver aan heeft staan wordt dit automatisch afspelen stopgezet. Daarnaast zullen sommige telefoons video's automatisch pauzeren nadat ze uit slaapmodus zijn gegaan. Om autoplay weer te activeren moet de gebruiker dit activeren, vandaar het dialoogvenster.
Q8: Waarom zie ik soms video's die op elkaar lijken? Zijn dit dezelfde video's?
- Video's die dicht bij elkaar gemaakt zijn (8 uur en 8:10) hebben de kans dat de video's hetzelfde uitzien doordat het weer en het licht hetzelfde kunnen zijn. Daarnaast zullen de maatstaf video's vaker terug komen tijdens het labelen van een batch.
Q9: Kan ik ongeveer hetzelfde systeem bouwen met jullie code?
- Dit project is open-source en te vinden op GitHub. Voel je vrij om de code opnieuw te gebruiken.
Q10: Zijn er andere acties die ik kan ondernemen om te pleiten voor betere luchtkwaliteit?
- Wij raden u aan om op de website van Frisse Wind te kijken naar meer mogelijkheden rondom het pleiten voor betere luchtkwaliteit. Om luchtverontreiniging aan te pakken kan er gekeken worden naar de acties van de Omgevingsdienst Noordzeekanaalgebied. Voor meer inzicht hoe burgers wetenschappers luchtkwaliteit monitoren is op de pagina van Hollandse Luchten netwerk hier meer informatie over te vinden. Daarnaast publiceert het RIVM rapporten over hoe de gezondheids invloed van de uitstoot van Tata Steel, hierbij zijn de belanghebbenden van dit rapport te vinden in het nieuwsartikel.
Q11: Waarom ondersteunt deze tool geen apparaten ouder dan Android 7 en iOS 11?
- Wanneer er gelabeld moet worden of er rook is, worden er 16 of meer video's tegelijkertijd afgespeeld. Oudere apparaten zullen hier meer moeite mee hebben waardoor uw ervaring minder wordt.
Q12: Waarom zijn er alleen maar opnames gemaakt overdag?
- Doordat er 's nachts minder licht is, is het moeilijker door computers om rook te herkennen. Om deze reden is ervoor gekozen om eerst naar rook overdag te kijken.
Q13: Hoe vond je de gebeurtenissen?
- De gebeurtenissen met rook uitstoot zijn gevonden met behulp van een object detectie model, ontwikkeld tijdens de AI against Toxic Clouds challenge door FruitPunch AI, georganiseerd door Jeroen van strangeloop.nl. Vrijwilligers van Frisse Wind hebben de gebeurtenissen handmatig geverifieerd.
Q14: Hoe kan ik mijn toestemming controleren?
- Uw toestemming is 12 maanden geldig. U kunt op deze link klikken om uw toestemming te controleren en eventueel in te trekken.