論文の概要: Monitoring War Destruction from Space: A Machine Learning Approach

• arxiv url: http://arxiv.org/abs/2010.05970v2
• Date: Wed, 14 Oct 2020 03:47:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-08 06:24:36.804873
• Title: Monitoring War Destruction from Space: A Machine Learning Approach
• Title（参考訳）: 宇宙からの戦争破壊のモニタリング: 機械学習アプローチ
• Authors: Hannes Mueller, Andre Groger, Jonathan Hersh, Andrea Matranga and Joan Serrat
• Abstract要約: 紛争地帯における建物破壊に関する既存のデータは、目撃者の報告や手動による検出に依存している。 本稿では,ディープラーニング技術を用いた高解像度衛星画像の自動破壊計測手法を提案する。 我々は、シリア内戦と国内の主要都市における被害の進展にこの方法を適用した。
• 参考スコア（独自算出の注目度）: 1.0149624140985478
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing data on building destruction in conflict zones rely on eyewitness reports or manual detection, which makes it generally scarce, incomplete and potentially biased. This lack of reliable data imposes severe limitations for media reporting, humanitarian relief efforts, human rights monitoring, reconstruction initiatives, and academic studies of violent conflict. This article introduces an automated method of measuring destruction in high-resolution satellite images using deep learning techniques combined with data augmentation to expand training samples. We apply this method to the Syrian civil war and reconstruct the evolution of damage in major cities across the country. The approach allows generating destruction data with unprecedented scope, resolution, and frequency - only limited by the available satellite imagery - which can alleviate data limitations decisively.
• Abstract（参考訳）: 紛争地帯の破壊に関する既存のデータは目撃者の報告や手動による検出に依存しており、一般的には不足し、不完全であり、潜在的に偏りがある。 この信頼できるデータの欠如は、メディア報道、人道支援活動、人権監視、復興活動、暴力的紛争に関する学術研究に厳しい制限を課している。 本稿では、深層学習技術とデータ拡張を組み合わせた高解像度衛星画像の自動破壊計測手法を提案する。 我々はこの方法をシリア内戦に適用し、国内の主要都市における被害の進展を再構築する。 このアプローチにより、前例のない範囲、解像度、周波数(利用可能な衛星画像によってのみ制限される)で破壊データを生成することができ、データ制限を決定的に緩和することができる。

関連論文リスト

• Building Damage Assessment in Conflict Zones: A Deep Learning Approach Using Geospatial Sub-Meter Resolution Data [9.146968506196446]
  我々は,ウクライナのマリプオール市における,紛争前の画像と紛争後の画像を用いた注釈付きデータセットを構築した。 次に、ゼロショットおよび学習シナリオの両方において、CNNモデルの転送可能性について検討する。 これは、サブメートル分解能画像を用いて戦闘帯の建物損傷を評価する最初の研究である。
  論文  参考訳（メタデータ） (2024-10-07T07:26:38Z)
• An Open-Source Tool for Mapping War Destruction at Scale in Ukraine using Sentinel-1 Time Series [16.900687593159066]
  本研究では、戦争による建物被害を推定するためのスケーラブルで伝達可能な手法を提案する。 まず、SAR(Synthetic Aperture Radar)衛星画像時系列から画素単位の破壊確率を出力する機械学習モデルを訓練する。 次に、オープン・ビル・フットプリントを用いて、これらの評価を後処理し、建物ごとの最終的な損傷推定値を得る。
  論文  参考訳（メタデータ） (2024-06-04T17:24:19Z)
• Towards Efficient Disaster Response via Cost-effective Unbiased Class Rate Estimation through Neyman Allocation Stratified Sampling Active Learning [11.697034536189094]
  本稿では,二分分類のためのランダムサンプリング木を構築する革新的なアルゴリズムを提案する。 その結果,本手法は受動的および従来の能動的学習手法を超越していることが判明した。 従来のアクティブな学習戦略における「サンプルバイアス」の課題に効果的に対処する。
  論文  参考訳（メタデータ） (2024-05-28T01:34:35Z)
• Robust Disaster Assessment from Aerial Imagery Using Text-to-Image Synthetic Data [66.49494950674402]
  航空画像からの損傷評価のタスクのための大規模合成監視を作成する際に,新たなテキスト・画像生成モデルを活用する。 低リソース領域から何千ものポストディスアスター画像を生成するために、効率的でスケーラブルなパイプラインを構築しています。 我々は,xBDおよびSKAI画像のクロスジオグラフィー領域転送設定におけるフレームワークの強度を,単一ソースとマルチソースの両方で検証する。
  論文  参考訳（メタデータ） (2024-05-22T16:07:05Z)
• Open Access Battle Damage Detection via Pixel-Wise T-Test on Sentinel-1 Imagery [0.0]
  本稿では,建物損傷検出のための新しい手法を提案する。 Pixel-Wise T-Test (PWTT) は、一定時間間隔で広範囲にわたる正確な衝突損傷推定を生成する。 精度は、ウクライナ、パレスチナ、シリア、イラクの12都市にまたがる50万以上の建物フットプリントの当初のデータセットを用いて評価されている。
  論文  参考訳（メタデータ） (2024-05-10T08:50:08Z)
• Re-thinking Data Availablity Attacks Against Deep Neural Networks [53.64624167867274]
  本稿では、未学習例の概念を再検討し、既存のロバストな誤り最小化ノイズが不正確な最適化目標であることを示す。 本稿では,計算時間要件の低減による保護性能の向上を図った新しい最適化パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-05-18T04:03:51Z)
• Towards Adversarially Robust Deep Image Denoising [199.2458715635285]
  本研究は,ディープ・イメージ・デノイザ(DID)の対角的ロバスト性について系統的に検討する。 本稿では,観測に基づくゼロ平均アタック(sc ObsAtk)という新たな敵攻撃を提案する。 DIDを頑健化するために,DIDと非対向雑音データとを併用したハイブリッド対向訓練(sc HAT)を提案する。
  論文  参考訳（メタデータ） (2022-01-12T10:23:14Z)
• Dataset Security for Machine Learning: Data Poisoning, Backdoor Attacks, and Defenses [150.64470864162556]
  この作業は体系的に分類され、幅広いデータセット脆弱性とエクスプロイトを議論する。 様々な毒とバックドアの脅威モデルとそれらの関係を記述することに加えて,それらの統一分類法を展開する。
  論文  参考訳（メタデータ） (2020-12-18T22:38:47Z)
• Human-in-the-Loop Imitation Learning using Remote Teleoperation [72.2847988686463]
  6-DoF操作設定に合わせたデータ収集システムを構築します。 システムによって収集された新しいデータに基づいて,ポリシーを反復的にトレーニングするアルゴリズムを開発した。 介入型システムで収集したデータに基づいて訓練されたエージェントと、非介入型デモ参加者が収集した同等数のサンプルで訓練されたアルゴリズムを上回るエージェントを実証する。
  論文  参考訳（メタデータ） (2020-12-12T05:30:35Z)
• Assessing Post-Disaster Damage from Satellite Imagery using Semi-Supervised Learning Techniques [15.264481724699456]
  本稿では,損傷評価のためのトレーニングモデルに対する半教師付き学習(SSL)の新たな応用について述べる。 我々は、MixMatchやFixMatchといった最先端のSSLメソッドのパフォーマンスを、2010年のハイチ地震、2017年のサンタローザ山火事、2016年のシリアにおける武装紛争の監視ベースラインと比較する。 ラベル付きデータが少ないにもかかわらず、SSLメソッドでトレーニングされたモデルが完全に教師付きパフォーマンスを実現する方法を示す。
  論文  参考訳（メタデータ） (2020-11-24T22:26:14Z)
• 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。