Исследователи разработали инструменты для автоматического обнаружения стихийных бедствий на изображениях в социальных сетях

Исследователи из Университета Калифорнии в Лос-Анджелесе (UCLA) и Университета Северной Каролины в Чапел-Хилле (UNC) разработали инструменты для автоматического обнаружения стихийных бедствий на изображениях, используя глубокое обучение и компьютерное зрение. Их работы были представлены на конференции Computer Vision and Pattern Recognition (CVPR) 2023.

Инструменты, названные DisasterNet и DisasterMapper, способны распознавать различные типы стихийных бедствий, такие как пожары, наводнения, землетрясения, ураганы и цунами, а также локализовывать их на изображениях с высокой точностью. Это может помочь в оценке ущерба, спасательных операциях и предупреждении населения.

DisasterNet является нейронной сетью, которая классифицирует изображения по типу стихийного бедствия или отсутствию такового. Она обучена на большом наборе данных, содержащем более 100 тысяч изображений из разных источников, таких как спутники, дроны, социальные сети и новостные сайты. DisasterNet может распознавать 12 классов стихийных бедствий с точностью 94%.

DisasterMapper является инструментом для семантической сегментации изображений, то есть разделения изображения на области, соответствующие разным объектам или категориям. Он использует DisasterNet в качестве входа и генерирует карту сегментации, показывающую расположение стихийного бедствия на изображении. DisasterMapper может локализовывать стихийные бедствия с точностью 87%.

Исследователи планируют дальнейшее улучшение своих инструментов и их применение в реальных ситуациях. Они также надеются, что их работа будет способствовать развитию компьютерного зрения для анализа изображений стихийных бедствий и помощи пострадавшим.