災害地域を 1 秒で分割、CrowdAI は衛星画像を使用してカリフォルニアの山火事による損失を評価

6 年前

見出し

Dao Wei

シーン紹介:被災地の前後の衛星画像を比較することで、残存建物をマーキングしてエリアの被害状況を判断し、救助資源の合理的な配分に役立てる。

キーワード:自然災害防止、画像認識、衛星画像、畳み込みニューラルネットワーク、物体認識

自然災害は多大な損失をもたらします

昨年の秋、カリフォルニアの山火事は3週間にわたって猛威を振るった。これは米国でここ１００年で最悪の規模の山火事となり、８５人の命が奪われ、約１４万戸の家屋が焼失した。

統計によると、世界中で毎年数百件の自然災害が発生し、5万人近くが死亡し、数千万人が避難を余儀なくされており、災害による年間の経済損失は1,000億ドルを超えています。

自然災害発生後の従来の対応方法は、救助者が現場の観察や救助要請などを通じて救助資源の投入方法を決定することであり、時間がかかり非効率的でした。

災害救援活動では、リソースの合理的な配分を達成するために、包括的かつ正確な情報をタイムリーに入手することが重要です。現在、機械学習を通じて、時間との競争を支援し、より多くの人命と損失を救うことができます。

カリフォルニアの山火事では、CrowdAI という企業が衛星データと包括的な画像ビジョン技術を通じて救助に参加しました。

CrowdAI は、畳み込みニューラルネットワークをトレーニングするために、Spacenet と Deepglobe からの衛星画像、および DigitalGlobe と Planet Labs からのデータを使用します。

わずか 1 秒で災害の範囲を予測および評価し、評価結果を救助指令センターに報告することで、科学的に救助リソースを割り当て、より科学的な救助計画を策定することができます。

CrowdAI のカスタマイズされた深層学習モデルの助けを借りて、従来の住宅建物のラベル付けに加えて、カーポート、ユーティリティ小屋、納屋などの独立した構造物にも拡張されました。

このケースでは、衛星画像から構造物を特定した後、AI モデルが前後の画像の比較に基づいて損傷の位置を赤い点でマークしました。

エリア全体に拡大すると、マークされたポイントの数によって災害の深刻度が判断でき、災害の深刻度を色で区別することができます。

最後に、Google Earth または ArcGIS でそれをマークすると、災害救援と復興活動の指針を提供できます。

評価スピードの継続的な追求について、CrowdAI の創設者兼 CEO の Devaki Raj 氏は次のように述べています。「災害が起きたときは迅速に予測を立てなければならない。だからこそスピードが必要だ」。

多くの救助隊員や政府高官は、これらの迅速に生成されたデータを使用して救助活動をより合理的に調整し、緊急の問題解決の効率を向上させています。

CrowdAI の創設者兼 CEO の Devaki Raj 氏は、「過去 10 年間で、膨大な量の衛星とドローンのデータがオンラインになりました。私たちは、このデータを処理するためにコンピュータービジョンの最新の進歩を利用しています。」と述べています。

可能な限り正確に災害評価を完了するために、以前の方法では大量のデータトレーニングが必要でしたが、CrowdAI の機械学習責任者である Jigar Doshi 氏は次のように述べています。（災害時の）大量のデータをトレーニングすることで、効果的な評価を行うことができます。」

CrowdAI は、衛星画像やコンピュータービジョンなどのテクノロジーを使用してデータサービスを提供する他の企業と似ていますが、主に自然災害に投資している点が若干異なります。

CrowdAI は通信プロバイダー WOW と協力し、昨年のハリケーンマイケル後のフロリダ州パナマシティでの建物被害を調査しました。 NOAA から提供された都市の衛星画像に基づくデータは、WOW が被害の程度に応じて適切に作業員を配置し、迅速な復旧を達成するのに役立ちます。

CrowdAI は、ハリケーンや火災による被害の評価において Facebook AI とも協力しています。彼らの研究結果「衛星画像から災害情報まで」NeurIPS カンファレンスにも承認されました。

論文では、彼らの研究は良い結果を達成しました。2017 年のテキサス近郊のハリケーンハービーによって被害を受けた道路の特定では 88.8% の精度が得られ、サンタローザ火災で被害を受けた建物の特定では 81.1% に達しました。

さらに、CrowdAI からの別の記事《バイナリセグメンテーションのための残留インセプションスキップネットワーク》、衛星画像から道路網を特定する研究が、もう一つのトップカンファレンスであるCVPRに採択されました。

災害予測に関しても、CrowdAIは風や降水量、ソーシャルメディアなどのデータを統合することで、衛星画像を超えたディープラーニングツールの開発を積極的に進めようとしているという。

Googleとマッキンゼー・グローバル・インスティテュートは報告書を作成しており、その主なテーマはAIが人類に利益をもたらす事例についてであり、「AIはより正確な救助活動と緊急事態への備えを提供でき、人間の救助よりも迅速で応用性が高い」と述べている。範囲がさらに広がります。」

現在の衛星データの機械学習の多くの事例のうち、そのほとんどが産業化と商業化を目的としていることに疑いの余地はありません。CrowdAI は衛星データにより人間味のある応用シナリオを与え、インテリジェンスをより温かみのあるものにします。