論文の概要: Rescue Network: Using UAVs (drones) in Earthquake Crisis Management

• arxiv url: http://arxiv.org/abs/2105.07172v2
• Date: Sun, 8 Jan 2023 11:15:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-31 01:57:23.893761
• Title: Rescue Network: Using UAVs (drones) in Earthquake Crisis Management
• Title（参考訳）: 救助ネットワーク:地震危機管理におけるuavs(drones)活用
• Authors: Masoud Hayeri Khyavi
• Abstract要約: 各地震の後、人々の最初のパニックは、事故と被害の第二波を引き起こします。 本研究では,地震の発生時期と地震後の時間に着目した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Earthquake is one of the natural disasters which cannot be either controlled or predicted absolutely. Since preventing earthquake is impossible, preventing its damages is also difficult. Unfortunately, after each earthquake and its financial and life losses, the initial panic of the people results in the second wave of accidents and damages. Inrush of confused people to escape the cities, streets and houses is a great problem. Apart from training in seismic areas which is very important, considering security arrangements and observing security principles in construction, instructing the people is also important. Other than searching for and rescuing the people who are trapped under detrimental or are in danger, those who thieve the damaged area is another important issue after each earthquake. Thus, a solution is proposed to use modern technology to reduce threats of natural disasters including earthquake. Today, UAVs are being used in natural disasters and accidents. To this end and considering the ever-increasing developments of network technologies and communication including IoT and cloud, an efficient design is presented which increases rescue factor of live creatures in natural disasters that can be used to rescue human lives and prevent subsequent outcomes after a few seconds. In this study, focus is on time of occurrence of earthquake and after earthquake
• Abstract（参考訳）: 地震は自然災害の一つであり、制御も予測もできない。 地震の防止は不可能であるため、被害の防止も困難である。 残念なことに、各地震とその財政的・生命的損失の後、人々の最初のパニックは事故と被害の第二波をもたらす。 混乱した人々が街や街路や家から逃げ出すという誘惑は大きな問題です。 安全確保と建設における安全原則の観察を考慮し、非常に重要な地震地域での訓練は別として、人々への指導も重要である。 被災地を略奪した者や危険に晒された者を捜索・救助するほか、各地震の後に被害地域を略奪する者も重要な問題となっている。 そこで, 地震などの自然災害の脅威を軽減するため, 現代技術の活用が提案されている。 現在、UAVは自然災害や事故で使用されている。 この目的のために,iotやクラウドを含むネットワーク技術やコミュニケーションの継続的な発展を考慮し,自然災害時の生物の救助要因を増大させ,数秒後に人命を救うことができる効率的な設計を提案する。 本研究では,地震の発生時期と地震後の時間に焦点をあてる。

関連論文リスト

• Turkey's Earthquakes: Damage Prediction and Feature Significance Using A Multivariate Analysis [1.9461727843485295]
  本研究は,トルコにおける将来の地震災害における死者の減少に寄与する。 我々は、被災者当たりの死亡率と死亡率を予測するために、様々な機械学習アーキテクチャーを試験した。 その結果,ランダムフォレストモデルが最も信頼性の高い予測結果が得られた。
  論文  参考訳（メタデータ） (2024-10-29T10:29:06Z)
• CrisisSense-LLM: Instruction Fine-Tuned Large Language Model for Multi-label Social Media Text Classification in Disaster Informatics [49.2719253711215]
  本研究では,事前学習型大規模言語モデル(LLM)の強化による災害テキスト分類への新たなアプローチを提案する。 本手法では,災害関連ツイートから包括的インストラクションデータセットを作成し,それをオープンソース LLM の微調整に用いる。 この微調整モデルでは,災害関連情報の種類,情報化,人的援助の関与など,複数の側面を同時に分類することができる。
  論文  参考訳（メタデータ） (2024-06-16T23:01:10Z)
• CrisisMatch: Semi-Supervised Few-Shot Learning for Fine-Grained Disaster Tweet Classification [51.58605842457186]
  半教師付き, 少数ショットの学習環境下で, 微粒な災害ツイート分類モデルを提案する。 私たちのモデルであるCrisisMatchは、ラベルなしデータと大量のラベルなしデータを用いて、ツイートを関心の細かいクラスに効果的に分類する。
  論文  参考訳（メタデータ） (2023-10-23T07:01:09Z)
• Sarcasm Detection in a Disaster Context [103.93691731605163]
  HurricaneSARCは,意図した皮肉に注釈を付けた15,000ツイートのデータセットである。 私たちの最高のモデルは、データセットで最大0.70F1を得ることができます。
  論文  参考訳（メタデータ） (2023-08-16T05:58:12Z)
• PreDisM: Pre-Disaster Modelling With CNN Ensembles for At-Risk Communities [0.32228025627337864]
  本稿では,ResNetのアンサンブルと決定木上の完全連結層を用いて人造構造物の弱点を正確に推定するPreDisMを提案する。 本モデルは,災害のタイプをまたいだ調整に応答し,プリエンプティブ・ハザード・ダメージ・モデリングの空間を浮き彫りにする。
  論文  参考訳（メタデータ） (2021-12-26T23:48:23Z)
• Detecting Damage Building Using Real-time Crowdsourced Images and Transfer Learning [53.26496452886417]
  本稿では,Twitterなどのソーシャルメディアプラットフォームから地震後の建物画像を自動的に抽出する手法を提案する。 トランスファーラーニングと6500枚の手動ラベル付き画像を用いて,現場に損傷のある建物を画像として認識する深層学習モデルを訓練した。 訓練されたモデルは、異なる場所で新たに取得した地震の画像でテストし、トルコのM7.0地震の後、Twitterのフィードでほぼリアルタイムで実行された。
  論文  参考訳（メタデータ） (2021-10-12T06:31:54Z)
• OKSP: A Novel Deep Learning Automatic Event Detection Pipeline for Seismic Monitoringin Costa Rica [0.0938460348620674]
  コスタリカにおける地震モニタリングのための新しい自動地震検出パイプラインであるOKSPを紹介する。 OKSPは100%抜本的であり、精度は82%であり、F1スコアは0.90である。 この試みは、深層学習手法を用いてコスタリカの地震を自動的に検出する最初の試みであり、近い将来、地震監視ルーチンがAIアルゴリズムによって完全に実行されることを実証する。
  論文  参考訳（メタデータ） (2021-09-06T20:24:49Z)
• Digital Twin Based Disaster Management System Proposal: DT-DMS [0.0]
  物理的な都市の仮想コピーは、IoT(Internet of Things)デバイスのセンサーからデータを収集し、クラウドインフラストラクチャに格納することで作成することができる。 DT-DMSと呼ばれる機械学習を利用した災害管理システムを用いて意思決定機構を支援する。 本研究では,仮想コピー上で災害発生の可能性をシミュレートし,緊急センタースタッフの教育・準備方法を示す。
  論文  参考訳（メタデータ） (2021-03-31T17:47:15Z)
• Physics-informed GANs for Coastal Flood Visualization [65.54626149826066]
  我々は,現在および将来の沿岸洪水の衛星画像を生成する深層学習パイプラインを構築した。 物理に基づく洪水図と比較して画像を評価することにより,提案手法は物理的一貫性とフォトリアリズムの両方において,ベースラインモデルよりも優れていることがわかった。 この研究は沿岸の洪水の可視化に焦点が当てられているが、気候変動が地球をどう形作るかのグローバルな可視化を作成することを想定している。
  論文  参考訳（メタデータ） (2020-10-16T02:15:34Z)
• Real-time Earthquake Early Warning with Deep Learning: Application to the 2016 Central Apennines, Italy Earthquake Sequence [26.349354722386526]
  深層学習技術は、地震相ピックの代わりに完全な地震波形から震源情報を抽出する可能性を提供する。 我々は,地震を同時に検出し,震源パラメータを推定する,新しい深層学習型地震早期警報システムを開発した。 我々は,2016年イタリア中部アペニン地震(Mw 6.0)とそれに続く連続地震(Mw 6.0)に本システムを適用した。
  論文  参考訳（メタデータ） (2020-06-02T01:27:25Z)
• 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。