新聞圖片+人工智能算法，快速識別被淹沒的建筑物
通過新聞媒體圖片+人工智能算法來快速識別被淹沒的建筑物
人工智能(AI)可以加快在大規(guī)模洪澇氣象災害下識別被淹沒建筑物的過程，使緊急救援人員能夠有效地指揮救助。目前，來自日本東北大學（Tohoku University）的一個研究小組開發(fā)了一個機器學習（ML）模型，該模型主要使用新聞媒體照片，在災難發(fā)生后24小時內(nèi)實現(xiàn)被淹沒的建筑物的準確識別。
他們的研究成果發(fā)表在2021年4月5日出版的《Remote Sensing》雜志上。
該項研究的聯(lián)合作者，東北大學國際災害科學研究所的Shunichi Koshimura說：“我們的模型展示了如何通過新聞媒體的報道提高災害測繪的效率和準確性，加快災害救援和響應決策的速度”
機器學習和深度學習算法通過圖像分析對目標進行分類。為了使模型有效，需要當前情況下的洪水數(shù)據(jù)來進行訓練。
雖然可以從歷史洪水災害中收集到洪水數(shù)據(jù)，但由于每一次事件都是不同的，并且受制于洪澇區(qū)域本身的特點，這都會或多或少的導致偏差。因此，現(xiàn)場信息具有更高的可靠性。
新聞記者和媒體團隊通常是最早在災難現(xiàn)場向觀眾播報災況圖像的人，研究團隊意識到這些信息也可以用于人工智能算法。
他們將這套模型應用于日本岡山縣倉市的Mabi-cho，該城市在2018年受到了橫掃日本西部的暴雨的侵襲。
首先，研究人員對新聞照片進行識別，根據(jù)照片中出現(xiàn)的地標和其他線索進行地理定位。接下來，他們使用由日本宇宙航空研究開發(fā)機構（Japan Aerospace Exploration Agency，JAXA，日本宇宙航空研究開發(fā)機構）提供的合成孔徑雷達(synthetic aperture radar，SAR，一種高分辨率成像雷達)生成的PALSAR-2圖像來分離未知地區(qū)的洪澇和非洪澇狀況。
由于微波對濕表面和干表面的輻射不同，SAR圖像可以用于區(qū)分水體，而支持向量機(SVM，一種機器學習技術)被用于對被洪水包圍的建筑物或非洪澇區(qū)內(nèi)的建筑物進行區(qū)分。
Koshimura補充說:“我們這套模型的性能可以達到80%的估算精度?！?/span>
放眼未來，研究小組將進一步探索新聞媒體數(shù)據(jù)庫的適用性，利用過去的事件作為訓練數(shù)據(jù)集開發(fā)人工智能模型，提高判別的準確性和速度。
