論文の概要: Estimation of Human Condition at Disaster Site Using Aerial Drone Images

• arxiv url: http://arxiv.org/abs/2308.04535v1
• Date: Tue, 8 Aug 2023 18:57:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-10 16:09:28.778057
• Title: Estimation of Human Condition at Disaster Site Using Aerial Drone Images
• Title（参考訳）: 航空ドローン画像を用いた災害現場のヒューマンコンディションの推定
• Authors: Tomoki Arai, Kenji Iwata, Kensho Hara, Yutaka Satoh
• Abstract要約: 本研究では,空飛ぶドローン画像における行動に基づいて,人の被害状況を自動的に推定する手法について検討する。 都市部で発生した仮説的災害における人間の行動の航空画像の新しいデータセットを構築した。 その結果、人間の行動に特徴的な状態は80%以上のリコール率で分類できることがわかった。
• 参考スコア（独自算出の注目度）: 10.271448515653276
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Drones are being used to assess the situation in various disasters. In this study, we investigate a method to automatically estimate the damage status of people based on their actions in aerial drone images in order to understand disaster sites faster and save labor. We constructed a new dataset of aerial images of human actions in a hypothetical disaster that occurred in an urban area, and classified the human damage status using 3D ResNet. The results showed that the status with characteristic human actions could be classified with a recall rate of more than 80%, while other statuses with similar human actions could only be classified with a recall rate of about 50%. In addition, a cloud-based VR presentation application suggested the effectiveness of using drones to understand the disaster site and estimate the human condition.
• Abstract（参考訳）: ドローンはさまざまな災害の状況を評価するために使われています。 本研究では,災害現場の把握を迅速かつ省力化するために,航空ドローン画像の動作に基づいて,被害状況を自動的に推定する手法について検討する。 都市部で発生した仮説的災害における人的行動の航空画像データセットを構築し,3D ResNetを用いて人的被害状況の分類を行った。 その結果、人間の行動に特徴的な状態はリコール率80%以上で分類できるが、同様の行動を持つ他の状態はリコール率約50%でしか分類できないことが分かった。 さらに、クラウドベースのvrプレゼンテーションアプリケーションは、ドローンを使って災害現場を理解し、人間の状態を推定することの有効性を示唆した。

関連論文リスト

• 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)
• Incidents1M: a large-scale dataset of images with natural disasters, damage, and incidents [28.16346818821349]
  洪水、竜巻、山火事などの自然災害は、地球が温暖化するにつれてますます広まりつつある。 事故の発生時期や発生時期を予測することは困難であり、破壊的な出来事によって危険にさらされている人々の命を救うために、時折緊急対応が重要となる。 ソーシャルメディア投稿は、災害の進行と余波を理解するために低レイテンシデータソースとして使用できるが、このデータを解析するのは、自動化された方法なしでは面倒である。 本研究では,43のインシデントと49のカテゴリを含む977,088の画像を含む大規模マルチラベルデータセットであるインシデント1Mデータセットを提案する。
  論文  参考訳（メタデータ） (2022-01-11T23:03:57Z)
• Damage Estimation and Localization from Sparse Aerial Imagery [0.0]
  航空写真の多くは、小型で有人で固定翼の航空機から手持ちのDSLRカメラで撮影されている。 本研究では,空中画像の損傷を検知し,世界座標で位置決めする手法を提案する。 我々は,2016年ルイジアナ洪水の過去のデータに対するアプローチの有効性を評価し,その精度が88%であることが確認された。
  論文  参考訳（メタデータ） (2021-11-05T19:12:15Z)
• Attention Based Semantic Segmentation on UAV Dataset for Natural Disaster Damage Assessment [0.7614628596146599]
  我々は,高解像度UAVデータセット上に,自己アテンションに基づくセマンティックセマンティックセマンティクスモデルを実装した。 その結果、人命を救うとともに経済損失を減らす自然災害被害評価に自己注意型スキームを使うことが示唆された。
  論文  参考訳（メタデータ） (2021-05-30T13:39:03Z)
• Generating Physically-Consistent Satellite Imagery for Climate Visualizations [53.61991820941501]
  我々は,将来的な洪水や森林再生イベントの合成衛星画像を作成するために,生成的敵ネットワークを訓練する。 純粋なディープラーニングベースのモデルでは、洪水の可視化を生成することができるが、洪水の影響を受けない場所では幻覚的な洪水が発生する。 我々は,地球観測におけるセグメンテーションガイドによる画像と画像の変換のためのコードとデータセットを公開している。
  論文  参考訳（メタデータ） (2021-04-10T15:00:15Z)
• Automatic Social Distance Estimation From Images: Performance Evaluation, Test Benchmark, and Algorithm [78.88882860340797]
  新型コロナウイルスは2020年3月から世界的なパンデミックを引き起こしている。 感染リスクを低減するため、他者から最低1メートルの距離を維持することが強く示唆されている。 このようなアルゴリズムには適切なテストベンチマークは存在しない。
  論文  参考訳（メタデータ） (2021-03-11T16:15:20Z)
• 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)
• Assessing out-of-domain generalization for robust building damage detection [78.6363825307044]
  建築損傷検出は、衛星画像にコンピュータビジョン技術を適用することで自動化することができる。 モデルは、トレーニングで利用可能な災害画像と、新しいイベントの画像の間の分散の変化に対して堅牢でなければならない。 今後はOOD体制に重点を置くべきだと我々は主張する。
  論文  参考訳（メタデータ） (2020-11-20T10:30:43Z)
• 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)
• Perceiving Humans: from Monocular 3D Localization to Social Distancing [93.03056743850141]
  本稿では,人間の3次元位置と身体の向きを1つの画像から知覚する,コスト効率の高い視覚ベースの新しい手法を提案する。 我々は,「社会的距離」という概念を,単純な位置に基づくルールとは対照的に,社会的相互作用の一形態として再考することが可能であることを示す。
  論文  参考訳（メタデータ） (2020-09-01T10:12:30Z)
• 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。