加入收藏 | 设为首页 |

520-为应对气候变化,美AI研究员打造自然灾害卫星图画敞开数据集

海外新闻 时间: 浏览:244 次

【猎云网(微信号:)】6月25日报导(编译:原子核)

跟着气候变化的晋级,自然灾祸的影响或许变得难以猜测。在本周,为了鼓舞运用机器学习的办法进行建筑物危害评价,卡内基梅隆大学的软件工程研讨所连同CrowdAI——美国国防部联合人工智能中心(JAIC)与国防立异部——一同方案敞开一个带符号的开源数据集。该数据集包含曩昔十年内一些较大自然灾祸的数据。它被称为“xBD”,包含了全球灾祸影响的数据,比方2010年海地发作的地震。

“虽然大规模灾祸会带来灾祸性的损坏,但它们仍是相对较少的。因而可用的相关卫星图画很少。此外,建筑设计的不同取决于它们被制作在世界上的方位。因而,相同严峻程度的危害在不同的当地看起来是不同的,而数据有必要可以反映这种现象,”一篇具体介绍创立“xBD”的研讨论文这样写道。

“xBD”包含了大约70万个建筑物在8种不同的自然灾祸之前和之后的卫星图画,包含地震、野火、洪水和火山爆发。它覆盖了约5000平方公里的区域,包含印度和非洲的洪水、老挝和巴西的大坝坍毁以及加利福尼亚和希腊历史性的丧命火灾。

合著者和CrowdAI机器学习负责人Jigar Doshi表明,该数据集将在未来几周内与xView 2.0 Challenge一同发布,并从"xBD"中发掘更多见地。该数据集搜集作业受到了加利福尼亚航空国民警卫队野火危害评价办法的影响。

“这一进程告知了辅导咱们将特定数据归入数据会集的一组规范,以及当时危害评价进程的缺点。每一次灾祸都是单独地处理的。人类剖析师运用的评价进程在不同的灾祸类型中是不行重复的,”陈述指出。“这种不行仿制的数据是机器学习算法运用的一个首要问题;不同的灾祸以不同的办法影响建筑物,不同国家的建筑结构也不同,因而评价体系中确实定性是保证机器学习算法可以学习有实际意义形式的必要特点。“

该小组还发布了联合危害评价量表,这是一种建筑物危害评价量表,将受影响的建筑物符号为“细微危害”、“严重危害”或“彻底破坏”。这些图画是从DigitalGlobe的敞开数据项目中提取的。

“xBD”是本周早些时候在2019年计算机视觉与形式辨认会议(CVPR)上展现的几十项著作之一。该会议与全球应战计算机视觉研讨会一同举办。研讨会一共收到了15个国家提交的资料。

在CVPR会议上提出的其他著作包含研讨南非的空间种族隔离体系、智利的森林采伐防备体系、经过卫星图画对贫520-为应对气候变化,美AI研究员打造自然灾害卫星图画敞开数据集穷猜测剖析以及南极洲企鹅种群剖析。

除了对树立“xBD”的奉献外,CrowdAI上一年还与Facebook AI合作开发了阿根廷520-为应对气候变化,美AI研究员打造自然灾害卫星图画敞开数据集圣罗莎火灾和哈维飓风卫520-为应对气候变化,美AI研究员打造自然灾害卫星图画敞开数据集星图画的危害评价办法体系。该项目是根据2018年CVPR会议上的DeepGlobe卫星图画应战的著作。

Facebook AI研讨人员也在运用卫星图画和计算机视觉辨认建筑物,以创立全球人口密度地图。该建议始于4月,根据联合国人道主义数据交换所的非洲地图而树立。

本年,荷兰瓦赫宁根大学的研讨人员也参加了CVPR会议。他们提出了一项研讨作业,讨论从卫星图画和应用于动物维护的技玛丽莲曼森能中对野生动物进行弱监控的监测办法。

声明:该文观念仅代表作者自己,搜狐号系信息发布渠道,搜狐仅供给信息存储空间服务。