与灾难赛跑: 机器学习助力大规模自动化灾后损失评测

2020-06-29 09:53

训练数据

深度学习最大的挑战来自于收集充分有效的数据来对模型进行训练，这一问题在灾后重建分析中尤其突出。因为记录了高分辨率卫星影像的灾害较少，而其中包含损害建筑的结果就更少。这一工作中研究人员使用了UNOSAT和REACH等组织提供的公开灾后评估数据，这些原始的卫星影像经过手工评估后，再利用谷歌地球来将损害程度评分添加到对应的空间坐标中以获取最终的训练数据。

训练中使用的图像元，包含了灾前和灾后的建筑受损情况

性能

研究人员在近年来的三场地震中评估了模型的性能，在每次灾害中利用部分区域来训练模型，并在另一部分区域中进行测试。结果的基准来源于UNOSAT和REACH中人类专家的评估结果，并利用与人类评测相比的真实精度和ROC曲线来对模型的性能进行评估。ROC曲线是机器学习领域用来测量模型对于正负样本分类能力的常用指标，曲线下的面积越接近1，说明其分类的精度就越高。根据前线救灾人员的经验，在灾后72小时内超过70％的准确率阈值就能为救灾提供有效的决策支撑。

下图显示了灾前和灾后建筑的损毁情况及模型的评估得分，可以看出损坏建筑的分数都较为接近1而无损建筑的得分较小，即使周围的地貌发生了明显变化也不会被误判。0．5可以作为典型的判断阈值来进行受损分类。

这一工作显示了卫星影像应用于自动化灾后评估的潜力。虽然目前是在在同一地区不同区域进行训练和测试，但最终目标将是为全球任何区域提供精确的灾后建筑受损评估服务。在未来将会加入更多的训练数据以覆盖多样性的地理区域和建筑风格。同时还将提供交互式的训练、验证和专家系统来为相关部门提供更多的决策信息和有效灾后响应，并让这套系统为灾后救援与时间赛跑中，提供最为迅捷的评估信息。

关于我“门”

将门是一家以专注于发掘、加速及投资技术驱动型创业公司的新型创投机构，旗下涵盖将门创新服务、将门技术社群以及将门创投基金。将门成立于2015年底，创始团队由微软创投在中国的创始团队原班人马构建而成，曾为微软优选和深度孵化了126家创新的技术型创业公司。

将门创新服务专注于使创新的技术落地于真正的应用场景，激活和实现全新的商业价值，服务于行业领先企业和技术创新型创业公司。

将门技术社群专注于帮助技术创新型的创业公司提供来自产、学、研、创领域的核心技术专家的技术分享和学习内容，使创新成为持续的核心竞争力。

将门创投基金专注于投资通过技术创新激活商业场景，实现商业价值的初创企业，关注技术领域包括机器智能、物联网、自然人机交互、企业计算。在近四年的时间里，将门创投基金已经投资了包括量化派、码隆科技、禾赛科技、宽拓科技、杉数科技、迪英加科技等数十家具有高成长潜力的技术型创业公司。

<上一页 1 2