論文の概要: Improving Emergency Response during Hurricane Season using Computer Vision

• arxiv url: http://arxiv.org/abs/2008.07418v2
• Date: Tue, 8 Sep 2020 19:51:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-28 04:19:52.751391
• Title: Improving Emergency Response during Hurricane Season using Computer Vision
• Title（参考訳）: コンピュータビジョンを用いたハリケーンシーズンの緊急対応改善
• Authors: Marc Bosch and Christian Conroy and Benjamin Ortiz and Philip Bogden
• Abstract要約: 我々は,コンピュータビジョン(CV),内陸洪水予知,被害評価,データ可視化といった最新の技術を組み込んだ危機対応・管理のためのフレームワークを開発した。 我々のコンピュータビジョンモデルは、自然災害の前後で、宇宙と空中の画像を分析して、関連する特徴を検出する。 画像から水、道路、建物、植生などの特徴を識別するモデル群を設計した。
• 参考スコア（独自算出の注目度）: 0.06882042556551608
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We have developed a framework for crisis response and management that incorporates the latest technologies in computer vision (CV), inland flood prediction, damage assessment and data visualization. The framework uses data collected before, during, and after the crisis to enable rapid and informed decision making during all phases of disaster response. Our computer-vision model analyzes spaceborne and airborne imagery to detect relevant features during and after a natural disaster and creates metadata that is transformed into actionable information through web-accessible mapping tools. In particular, we have designed an ensemble of models to identify features including water, roads, buildings, and vegetation from the imagery. We have investigated techniques to bootstrap and reduce dependency on large data annotation efforts by adding use of open source labels including OpenStreetMaps and adding complementary data sources including Height Above Nearest Drainage (HAND) as a side channel to the network's input to encourage it to learn other features orthogonal to visual characteristics. Modeling efforts include modification of connected U-Nets for (1) semantic segmentation, (2) flood line detection, and (3) for damage assessment. In particular for the case of damage assessment, we added a second encoder to U-Net so that it could learn pre-event and post-event image features simultaneously. Through this method, the network is able to learn the difference between the pre- and post-disaster images, and therefore more effectively classify the level of damage. We have validated our approaches using publicly available data from the National Oceanic and Atmospheric Administration (NOAA)'s Remote Sensing Division, which displays the city and street-level details as mosaic tile images as well as data released as part of the Xview2 challenge.
• Abstract（参考訳）: 我々は,コンピュータビジョン(cv),内陸洪水予測,被害評価,データ可視化における最新の技術を取り入れた危機対応と管理のためのフレームワークを開発した。 このフレームワークは、危機前後に収集されたデータを使用して、災害対応の全段階において、迅速かつインフォームドな意思決定を可能にする。 コンピュータビジョンモデルでは,宇宙画像や空中画像を分析し,災害時および災害後の関連特徴を検知し,webアクセス可能なマッピングツールによって動作可能な情報に変換されるメタデータを作成する。 特に,水,道路,建物,植生などの特徴を画像から識別するモデル群を設計した。 我々は,OpenStreetMapsなどのオープンソースラベルの追加や,HAND(Height Above Nearest Drainage)などの補完データソースをネットワークの入力のサイドチャネルとして追加することにより,大規模データアノテーションの取り組みへの依存を解消し,視覚的特徴に直交する他の特徴の学習を促す手法を検討した。 モデリングには,(1)セマンティックセグメンテーション,(2)フラッドライン検出,(3)損傷評価のための接続されたU-Netの修正が含まれる。 特に損傷評価の場合には,U-Netに第2エンコーダを追加して,先行画像と後画像の特徴を同時に学習できるようにした。 この手法により,ネットワークは事前画像と事後画像の違いを学習し,より効果的に損傷レベルを分類することができる。 我々は,noaa(national oceanic and atmospheric administration)のリモートセンシング部門(remote sensing division)の公開データを用いて,モザイクタイル画像として都市と街並みの詳細を表示する手法と,xview2チャレンジの一環としてリリースされたデータを用いて検証を行った。

関連論文リスト

• Multi-step feature fusion for natural disaster damage assessment on satellite images [0.0]
  複数のネットワークレベルで機能融合を行う新しい畳み込みニューラルネットワーク(CNN)モジュールを導入する。 イメージペアの分析にCNNモデルを適用するために、追加のネットワーク要素であるFuse Moduleが提案された。 視覚変換器モデルの精度は3ポイント以上向上した。
  論文  参考訳（メタデータ） (2024-10-29T09:47:32Z)
• Visual Context-Aware Person Fall Detection [52.49277799455569]
  画像中の個人とオブジェクトを半自動分離するセグメンテーションパイプラインを提案する。 ベッド、椅子、車椅子などの背景オブジェクトは、転倒検知システムに挑戦し、誤ったポジティブアラームを引き起こす。 トレーニング中のオブジェクト固有のコンテキスト変換が、この課題を効果的に軽減することを示す。
  論文  参考訳（メタデータ） (2024-04-11T19:06:36Z)
• Leveraging Neural Radiance Fields for Uncertainty-Aware Visual Localization [56.95046107046027]
  我々は,Neural Radiance Fields (NeRF) を用いてシーン座標回帰のためのトレーニングサンプルを生成することを提案する。 レンダリングにおけるNeRFの効率にもかかわらず、レンダリングされたデータの多くはアーティファクトによって汚染されるか、最小限の情報ゲインしか含まない。
  論文  参考訳（メタデータ） (2023-10-10T20:11:13Z)
• BLDNet: A Semi-supervised Change Detection Building Damage Framework using Graph Convolutional Networks and Urban Domain Knowledge [1.9087335681007478]
  建物損傷検出のための新しいグラフ定式化であるBLDNetを提案する。 グラフ畳み込みネットワークを用いて,これらの特徴を半教師付きフレームワークで効率的に学習する。 このアプローチの有効性を検証するために、xBDデータセットのトレーニングとベンチマークを行います。
  論文  参考訳（メタデータ） (2022-01-25T15:19:30Z)
• CutPaste: Self-Supervised Learning for Anomaly Detection and Localization [59.719925639875036]
  通常のトレーニングデータのみを用いて異常検知器を構築するためのフレームワークを提案する。 まず、自己教師付き深層表現を学習し、学習した表現の上に生成的1クラス分類器を構築する。 MVTec異常検出データセットに関する実証研究は,提案アルゴリズムが実世界の様々な欠陥を検出可能であることを実証している。
  論文  参考訳（メタデータ） (2021-04-08T19:04:55Z)
• Post-Hurricane Damage Assessment Using Satellite Imagery and Geolocation Features [0.2538209532048866]
  本研究では,被災地の衛星画像と位置情報を活用し,災害後の被害建物を識別する混合データ手法を提案する。 この手法は、2017年のヒューストン大都市圏におけるハリケーン・ハーベイのケーススタディに基づいて、画像のみを用いて同様の作業を行うことで大幅に改善した。 本研究では,画像特徴に付加的な情報を提供するために位置情報機能の創造的な選択を行ったが,ドメイン知識や災害の種類に応じて,イベントの物理的挙動をモデル化するための他の機能を含めることはユーザ次第である。
  論文  参考訳（メタデータ） (2020-12-15T21:30:19Z)
• FloodNet: A High Resolution Aerial Imagery Dataset for Post Flood Scene Understanding [0.9786690381850354]
  FloodNetはハリケーン・ハーヴェイの後に撮影された高解像度UAV画像である。 このデータセットは、被災地域の浸水被害を示している。 深層学習アルゴリズムの進歩により、災害の影響を分析し、影響を受ける地域を正確に理解することができる。
  論文  参考訳（メタデータ） (2020-12-05T05:15:36Z)
• Information Obfuscation of Graph Neural Networks [96.8421624921384]
  本稿では,グラフ構造化データを用いた学習において,情報難読化による機密属性保護の問題について検討する。 本稿では,全変動量とワッサーシュタイン距離を交互に学習することで,事前決定された機密属性を局所的にフィルタリングするフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-09-28T17:55:04Z)
• MSNet: A Multilevel Instance Segmentation Network for Natural Disaster Damage Assessment in Aerial Videos [74.22132693931145]
  本研究では, ハリケーン, 洪水, 火災などの自然災害後の建物被害を効率的に評価する課題について検討する。 最初のコントリビューションは、ソーシャルメディアからユーザ生成された空中ビデオと、インスタンスレベルのビルディング損傷マスクのアノテーションで構成される、新しいデータセットである。 第二のコントリビューションはMSNetと呼ばれる新しいモデルで、新しい領域の提案ネットワーク設計を含んでいる。
  論文  参考訳（メタデータ） (2020-06-30T02:23:05Z)
• Deep Learning-based Aerial Image Segmentation with Open Data for Disaster Impact Assessment [11.355723874379317]
  セグメンテーションニューラルネットワークを利用したフレームワークは、災害後のシナリオで影響のある地域やアクセス可能な道路を特定するために提案されている。 航空画像セグメンテーションにおけるImageNetの事前訓練の有効性について検討した。 インドネシアのパウル島を襲った2018年の津波のデータから、提案された枠組みの有効性が示された。
  論文  参考訳（メタデータ） (2020-06-10T00:19:58Z)
• RescueNet: Joint Building Segmentation and Damage Assessment from Satellite Imagery [83.49145695899388]
  RescueNetは、建物を同時に分割し、個々の建物に対する損傷レベルを評価し、エンドツーエンドでトレーニングできる統一モデルである。 RescueNetは大規模で多様なxBDデータセットでテストされており、従来の手法よりもはるかに優れたセグメンテーションと損傷分類性能を実現している。
  論文  参考訳（メタデータ） (2020-04-15T19:52:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。