論文の概要: A Real-time System for Detecting Landslide Reports on Social Media using Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2202.07475v1
• Date: Mon, 14 Feb 2022 14:24:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-16 15:48:06.615238
• Title: A Real-time System for Detecting Landslide Reports on Social Media using Artificial Intelligence
• Title（参考訳）: 人工知能を用いたソーシャルメディアにおける地すべりのリアルタイム検出システム
• Authors: Ferda Ofli, Umair Qazi, Muhammad Imran, Julien Roch, Catherine Pennington, Vanessa Banks, Remy Bossu
• Abstract要約: 本稿では,現在最先端の人工知能技術を用いて,ソーシャルメディアデータをリアルタイムに活用して地すべり関連情報を自動同定するオンラインシステムを提案する。 二)地すべり画像を識別し、(iii)画像の位置を推定し、(iv)情報を共有するアカウントのユーザタイプ(組織または人)を分類することにより、情報過負荷を低減することができる。
• 参考スコア（独自算出の注目度）: 3.253737007595575
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents an online system that leverages social media data in real time to identify landslide-related information automatically using state-of-the-art artificial intelligence techniques. The designed system can (i) reduce the information overload by eliminating duplicate and irrelevant content, (ii) identify landslide images, (iii) infer geolocation of the images, and (iv) categorize the user type (organization or person) of the account sharing the information. The system was deployed in February 2020 online at https://landslide-aidr.qcri.org/landslide_system.php to monitor live Twitter data stream and has been running continuously since then to provide time-critical information to partners such as British Geological Survey and European Mediterranean Seismological Centre. We trust this system can both contribute to harvesting of global landslide data for further research and support global landslide maps to facilitate emergency response and decision making.
• Abstract（参考訳）: 本稿では,ソーシャルメディアデータをリアルタイムに活用し,最先端の人工知能技術を用いて地すべり関連情報を自動識別するオンラインシステムを提案する。 デザインされたシステム (i)重複コンテンツ及び無関係コンテンツを排除することにより、情報過負荷を低減する。 (ii)地すべり画像の特定。 (iii)画像の位置情報を推定し、 (iv)情報を共有しているアカウントのユーザタイプ(組織又は人)を分類する。 このシステムは2020年2月に https://landslide-aidr.qcri.org/landslide_system.php にオンラインにデプロイされ、ライブTwitterのデータストリームを監視し、イギリス地質調査所や欧州地中海地震センターなどのパートナーに時間クリティカルな情報を提供している。 我々は,このシステムが地球規模の地すべりデータの収集に寄与し,さらなる研究と,緊急対応と意思決定を容易にするグローバル地すべりマップの支援に寄与できると信じている。

関連論文リスト

• Landslide mapping from Sentinel-2 imagery through change detection [0.12289361708127873]
  地すべりは、最も重要で破壊的なジオハザードの1つである。 本稿では,Sentinel-2画像を用いた地すべりのマッピング手法について検討する。 本稿では,DEM(Digital Elevation Model)データとSentinel-2バイテンポラル画像ペアを融合する新たなディープラーニングアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-05-30T15:33:32Z)
• Open-sourced Data Ecosystem in Autonomous Driving: the Present and Future [130.87142103774752]
  このレビューは、70以上のオープンソースの自動運転データセットを体系的に評価する。 高品質なデータセットの作成の基礎となる原則など、さまざまな側面に関する洞察を提供する。 また、解決を保障する科学的、技術的課題も検討している。
  論文  参考訳（メタデータ） (2023-12-06T10:46:53Z)
• ContCommRTD: A Distributed Content-based Misinformation-aware Community Detection System for Real-Time Disaster Reporting [0.5156484100374059]
  本稿では,危険関連事象とその進化について,ほぼリアルタイムに情報を提供する新しい分散システムを提案する。 我々の分散災害報告システムは、世界規模のツイート間の社会的関係を解析する。 フェイクニュースを検知する新たな深層学習モデルを提案する。
  論文  参考訳（メタデータ） (2023-01-30T15:28:47Z)
• Characterizing information loss in a chaotic double pendulum with the Information Bottleneck [1.52292571922932]
  カオス力学における情報損失の研究において,機械学習が新たな機会を提供することを示す。 我々は、ニューラルネットワークのトレーニング目的として、Information Bottleneckを使用し、システムの状態から情報を抽出する。 次に、各状態変数にボトルネックを分散することにより、最適予測情報を分解する。
  論文  参考訳（メタデータ） (2022-10-25T17:59:38Z)
• Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep Learning [77.34726150561087]
  本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。 我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
  論文  参考訳（メタデータ） (2022-09-28T18:51:59Z)
• 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)
• Landslide Detection in Real-Time Social Media Image Streams [3.7743217344191087]
  ソーシャルメディアの画像ストリーム中の地すべりをリアルタイムで検出するコンピュータビジョンモデルを開発した。 提案モデルは,地球規模の地すべり感受性マップと緊急応答をサポートするために,オンライン形式で展開することができる。
  論文  参考訳（メタデータ） (2021-10-03T10:52:19Z)
• Rapid Exploration for Open-World Navigation with Latent Goal Models [78.45339342966196]
  多様なオープンワールド環境における自律的な探索とナビゲーションのためのロボット学習システムについて述べる。 本手法のコアとなるのは、画像の非パラメトリックトポロジカルメモリとともに、距離と行動の学習された潜在変数モデルである。 学習方針を規則化するために情報ボトルネックを使用し、(i)目標のコンパクトな視覚的表現、(ii)一般化能力の向上、(iii)探索のための実行可能な目標をサンプリングするためのメカニズムを提供する。
  論文  参考訳（メタデータ） (2021-04-12T23:14:41Z)
• Improving Emergency Response during Hurricane Season using Computer Vision [0.06882042556551608]
  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。
  論文  参考訳（メタデータ） (2020-08-17T15:42:02Z)
• OpenStreetMap: Challenges and Opportunities in Machine Learning and Remote Sensing [66.23463054467653]
  本稿では,OpenStreetMapデータの改良と利用のための機械学習に基づく最近の手法について述べる。 私たちは、OSMがリモートセンシングデータの解釈方法を変え、機械学習とのシナジーが参加型マップ作成をスケールできると考えている。
  論文  参考訳（メタデータ） (2020-07-13T09:58:14Z)
• Improving time use measurement with personal big data collection -- the experience of the European Big Data Hackathon 2019 [62.997667081978825]
  この記事では、Eurostatが主催するNTTS(New Techniques and Technologies for Statistics)カンファレンスのサテライトイベントであるEuropean Big Data Hackathon 2019で、i-Logの経験を評価します。 i-Logは、スマートフォンの内部センサーから個人用ビッグデータをキャプチャして、時間的使用量を測定するシステムである。
  論文  参考訳（メタデータ） (2020-04-24T18:40:08Z)

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。