論文の概要: Natural Disaster Analysis using Satellite Imagery and Social-Media Data
for Emergency Response Situations
- arxiv url: http://arxiv.org/abs/2311.09947v1
- Date: Thu, 16 Nov 2023 15:01:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-17 13:54:19.240395
- Title: Natural Disaster Analysis using Satellite Imagery and Social-Media Data
for Emergency Response Situations
- Title(参考訳): 衛星画像とソーシャルメディアデータを用いた災害対応状況の自然災害解析
- Authors: Sukeerthi Mandyam, Shanmuga Priya MG, Shalini Suresh and Kavitha
Srinivasan
- Abstract要約: この研究は、衛星画像分析とTwitterデータ分析という2つの段階に分けられている。
第1段階は、災害前の衛星画像解析である。
第2段階は、災害状況に関する重要な情報で地域をマッピングすることに焦点を当てている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Disaster Management is one of the most promising research areas because of
its significant economic, environmental and social repercussions. This research
focuses on analyzing different types of data (pre and post satellite images and
twitter data) related to disaster management for in-depth analysis of
location-wise emergency requirements. This research has been divided into two
stages, namely, satellite image analysis and twitter data analysis followed by
integration using location. The first stage involves pre and post disaster
satellite image analysis of the location using multi-class land cover
segmentation technique based on U-Net architecture. The second stage focuses on
mapping the region with essential information about the disaster situation and
immediate requirements for relief operations. The severely affected regions are
demarcated and twitter data is extracted using keywords respective to that
location. The extraction of situational information from a large corpus of raw
tweets adopts Content Word based Tweet Summarization (COWTS) technique. An
integration of these modules using real-time location-based mapping and
frequency analysis technique gathers multi-dimensional information in the
advent of disaster occurrence such as the Kerala and Mississippi floods that
were analyzed and validated as test cases. The novelty of this research lies in
the application of segmented satellite images for disaster relief using
highlighted land cover changes and integration of twitter data by mapping these
region-specific filters for obtaining a complete overview of the disaster.
- Abstract(参考訳): 災害管理は、経済的、環境的、社会的な影響が大きいため、最も有望な研究分野の1つである。
本研究は,災害管理に関連する各種データ(プレ・ポスト・サテライト画像およびtwitterデータ)を分析し,位置対応緊急要件の詳細な分析を行う。
本研究は,衛星画像解析とtwitterデータ解析の2段階に分け,位置情報を用いた統合を行った。
第1段階では、U-Netアーキテクチャに基づく多クラス土地被覆分割技術を用いて、災害前の衛星画像解析を行う。
第2段階は、災害状況と救援活動の即時要件に関する重要な情報で地域をマッピングすることに焦点を当てている。
深刻な影響を受けた地域を区切り、その場所のキーワードを用いてTwitterデータを抽出する。
大量の生ツイートから状況情報を抽出するために、Content Wordベースのつぶやき要約(COWTS)技術を採用している。
実時間位置対応マッピングと周波数解析を用いてこれらのモジュールを統合することで,ケララ洪水やミシシッピ洪水などの災害発生時の多次元情報を収集し,テストケースとして検証した。
本研究の目新しさは,強調された土地被覆変化を用いた災害救助のための分断衛星画像の適用と,これら地域固有のフィルタのマッピングによるtwitterデータの統合による災害の概要把握にある。
関連論文リスト
- 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) - Earthquake Impact Analysis Based on Text Mining and Social Media
Analytics [5.949779668853556]
地震は広範囲に深く影響しており、緊急救助活動は災害の範囲と範囲に関するソーシャルメディアの情報から恩恵を受ける可能性がある。
本研究は,早期地震影響解析のためのソーシャルメディアデータを収集・分析するためのテキストマイニング手法を提案する。
論文 参考訳(メタデータ) (2022-12-12T13:51:07Z) - Embedding Earth: Self-supervised contrastive pre-training for dense land
cover classification [61.44538721707377]
本研究では,衛星画像の高可用性を活用するための自己監督型コントラスト事前学習法として,エンベディングアースを提案する。
提案手法による事前学習では, 25%の絶対mIoUが得られた。
学習した特徴は、異なる領域間で一般化され、提案した事前学習スキームの可能性を開放する。
論文 参考訳(メタデータ) (2022-03-11T16:14:14Z) - Mapping illegal waste dumping sites with neural-network classification
of satellite imagery [0.0]
近年では、不法廃棄物投棄施設の社会的・環境的影響が深刻化しており、グローバル・サウスの都市が直面している最も深刻な問題の一つとなっている。
このケーススタディは、Dymaxion LabsとFundaci'on Bunge y Bornが共同でこの技術を活用して、この地域の不法廃棄物処理現場の潜在的な場所を網羅した地図を作成するための成果である。
論文 参考訳(メタデータ) (2021-10-16T16:05:42Z) - 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) - Physically-Consistent Generative Adversarial Networks for Coastal Flood
Visualization [60.690929022840685]
合成視覚衛星画像の物理的整合性を確保するための,最初のディープラーニングパイプラインを提案する。
物理ベースのフラッドマップと比較して画像を評価することにより,提案手法が物理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を上回ることを見出した。
地球観測における画像と画像の翻訳を研究するために、25k以上の画像ペアのデータセットを公開する。
論文 参考訳(メタデータ) (2021-04-10T15:00:15Z) - 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) - Learning from Multimodal and Multitemporal Earth Observation Data for
Building Damage Mapping [17.324397643429638]
我々は、損傷マッピングを構築するためのグローバルなマルチセンサとマルチテンポラルデータセットを開発した。
グローバルデータセットには、高解像度の光学画像と高解像度のマルチバンドSARデータが含まれている。
我々は、深層畳み込みニューラルネットワークアルゴリズムに基づいて、損傷建物の意味的セグメンテーションのための損傷マッピングフレームワークを定義した。
論文 参考訳(メタデータ) (2020-09-14T05:04:19Z) - 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) - 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。