Facebook利用AI和卫星图像评估自然灾害造成的影响

2018年12月10日由浅浅发表 897152 0

Facebook AI研究人员已经开发出一种方法来分析卫星图像，确定一个地区在遭遇火灾和洪水等自然灾害后，受到破坏的程度。在自然灾害发生后，该方法可以帮助应急人员识别受影响最严重的地区。

研究小组还创建了一个指标，用于衡量自然灾害造成的损害程度，称为灾害影响指数（DII），可用于推断严重的洪水或火灾灾害。

在2017年德克萨斯州Sugar Land附近的Hurricane Harvey识别损坏的道路时，卷积神经网络达到了88.8％的准确率，在Santa Rosa火灾中识别损坏的建筑物时准确率达到了81.1％。

灾难之后依赖于对某个区域的静态图像进行分析，而不像过去的基于AI的分析所关注的那样。该方法依赖于在自然灾害之前和之后拍摄的照片，并将每张照片分解为更小，更多的照片网格。

团队表示，“作为这项工作的一部分，我们只关注道路和建筑，但这可以扩展到量化灾害对其他一般自然和人造特征的影响。”

论文“From Satellite Imagery to Disaster Insights”，由Facebook AI Research的Saikat Basu和Guan Pang，以及CrowdAI的机器学习领导Jigar Doshi共同完成。这篇论文提交到了NeurIPS会议。

为了识别道路和建筑物，团队使用Spacenet和Deepglobe卫星图像，以及DigitalGlobe和Planet Labs的图像训练卷积神经网络。AI系统检查了德克萨斯州Sugar Land附近约55平方英里的区域和加利福尼亚州Santa Rosa附近46平方英里的区域。

在Santa Rosa火灾的案例中，地面实况数据来自加州林业和消防部门的消防资源和评估计划（FRAP）网站。

今年夏天，在今年7月于盐湖城举行的2018年计算机视觉与模式识别大会上，CrowdAI和Facebook与优步等公司，都参加了“深度全球挑战（Deepglobe challenge）”，通过卫星图像分析世界，AI也越来越多地在应对自然灾害中发挥重要的作用。

标签：

行业图像识别 Facebook

0 评论

欢迎关注ATYUN官方公众号

商务合作及内容投稿请联系邮箱:bd@atyun.com

上一篇 Stradigi开发了一种AI游戏，可在游戏中学习手语

下一篇谷歌等研究团队利用AI，使插入的对象更逼真地融入场景

评论登录

要发表评论，您必须先登录。

jonatasgrosman/wav2vec2-large-xlsr-53-english facebook/dino-vitb16 bert-base-uncased xlm-roberta-large xlm-roberta-base gpt2 microsoft/resnet-50 facebook/dino-vits8

最好的基于Transformer的LLM（上）