Facebook利用AI和卫星图像评估自然灾害造成的影响

编译:chux

出品:ATYUN订阅号

Facebook AI研究人员已经开发出一种方法来分析卫星图像,确定一个地区在遭遇火灾和洪水等自然灾害后,受到破坏的程度。在自然灾害发生后,该方法可以帮助应急人员识别受影响最严重的地区。

研究小组还创建了一个指标,用于衡量自然灾害造成的损害程度,称为灾害影响指数(DII),可用于推断严重的洪水或火灾灾害。

在2017年德克萨斯州Sugar Land附近的Hurricane Harvey识别损坏的道路时,卷积神经网络达到了88.8%的准确率,在Santa Rosa火灾中识别损坏的建筑物时准确率达到了81.1%。

灾难之后依赖于对某个区域的静态图像进行分析,而不像过去的基于AI的分析所关注的那样。该方法依赖于在自然灾害之前和之后拍摄的照片,并将每张照片分解为更小,更多的照片网格。

团队表示,“作为这项工作的一部分,我们只关注道路和建筑,但这可以扩展到量化灾害对其他一般自然和人造特征的影响。”

论文“From Satellite Imagery to Disaster Insights”,由Facebook AI Research的Saikat Basu和Guan Pang,以及CrowdAI的机器学习领导Jigar Doshi共同完成。这篇论文提交到了NeurIPS会议。

为了识别道路和建筑物,团队使用Spacenet和Deepglobe卫星图像,以及DigitalGlobe和Planet Labs的图像训练卷积神经网络。AI系统检查了德克萨斯州Sugar Land附近约55平方英里的区域和加利福尼亚州Santa Rosa附近46平方英里的区域。

在Santa Rosa火灾的案例中,地面实况数据来自加州林业和消防部门的消防资源和评估计划(FRAP)网站。

今年夏天,在今年7月于盐湖城举行的2018年计算机视觉与模式识别大会上,CrowdAI和Facebook与优步等公司,都参加了“深度全球挑战(Deepglobe challenge)”,通过卫星图像分析世界,AI也越来越多地在应对自然灾害中发挥重要的作用。

原文发布于微信公众号 - ATYUN订阅号(atyun_com)

原文发表时间:2018-12-10

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券