CrowdAI는 위성 이미지를 사용하여 캘리포니아 산불 손실을 평가합니다.

장면 설명:재난 발생 전후의 피해 지역의 위성 이미지를 비교하면 건물을 표시하고 해당 지역의 재난 범위를 파악하여 구조 자원을 합리적으로 배분하는 데 도움이 됩니다.

키워드:자연재해 방지, 이미지 인식, 위성 이미지, 합성곱 신경망, 객체 인식

자연재해로 인해 막대한 손실이 발생했습니다.

작년 가을, 캘리포니아 전역에서 산불이 3주 동안 발생했습니다. 이는 미국에서 지난 100년 동안 발생한 가장 치명적인 산불 재해로, 85명이 사망하고 약 14만 채의 주택이 파괴되었습니다.

통계에 따르면, 매년 전 세계적으로 수백 건의 자연재해가 발생하여 약 5만 명이 사망하고, 수천만 명이 이주하게 되며, 매년 1,000억 달러 이상의 경제적 손실이 발생합니다.

자연재해가 발생한 후, 전통적인 대응 방식은 구조대원이 현장 관찰, 구조 요청 등을 통해 구조 자원을 어떻게 배치할지 결정하는 것이었는데, 이는 시간이 많이 걸리고 비효율적이었습니다.

재난 구호 활동에서 자원을 합리적으로 배분하기 위해서는 시기적절하고 포괄적인 정보를 얻는 것이 중요합니다. 이제 머신 러닝은 시간과의 경쟁을 통해 더 많은 생명과 손실을 막는 데 도움이 될 수 있습니다.

재난 현장을 파악하고 재난 규모를 평가하는 데 걸리는 시간은 단 1초뿐입니다.

캘리포니아 산불 당시 CrowdAI라는 회사는 위성 데이터와 통합 이미지 비전 기술을 활용해 구조 작업에 참여했습니다.

CrowdAI는 Spacenet과 Deepglobe의 위성 이미지와 DigitalGlobe와 Planet Labs의 데이터를 사용하여 합성 신경망을 훈련합니다.

재난 규모를 예측하고 평가하는 데 걸리는 시간은 단 1초이며, 이후 평가 결과를 구조 지휘 센터에 보고하여 과학적으로 구조 자원을 배분하고 보다 과학적인 구조 계획을 수립하는 데 도움이 됩니다.

CrowdAI의 맞춤형 딥 러닝 모델의 도움으로 기존 주택 건물에 레이블을 지정하는 것 외에도 차고, 창고, 헛간과 같은 독립 구조물로 레이블이 확장되었습니다.

이번 화재에서 AI 모델은 위성사진으로 구조물을 식별한 뒤, 재난 발생 전후의 사진을 비교하여 피해 위치를 붉은 점으로 표시했습니다.

전체 지역으로 확대하면, 표시된 지점의 개수에 따라 재난의 심각도를 판단할 수 있으며, 다양한 색상을 사용하여 재난의 심각도를 구분할 수 있습니다.

마지막으로, Google Earth나 ArcGIS에 표시하면 재난 구호 및 재건 작업에 대한 지침을 제공할 수 있습니다.

CrowdAI의 설립자이자 CEO인 데바키 라지는 평가 속도에 대한 지속적인 노력에 대해 다음과 같이 말했습니다."재난이 발생하면 우리는 신속하게 예측해야 합니다. 그래서 이러한 속도가 필요한 거죠."

많은 구조대원과 정부 관리들은 이렇게 빠르게 생성된 데이터를 활용해 구조 활동을 보다 합리적으로 조정하고, 이를 통해 중요한 문제를 해결하는 효율성을 높입니다.

CrowdAI의 설립자이자 CEO인 데바키 라지는 "지난 10년 동안 엄청난 양의 위성 및 드론 데이터가 온라인에서 제공되게 되었습니다."라고 말했습니다. "우리는 이 데이터를 처리하기 위해 컴퓨터 비전의 최신 기술을 활용하고 있습니다."

재난 평가를 가능한 한 정확하게 완료하기 위해 기존 방법에서는 대량의 데이터 학습이 필요했지만 CrowdAI의 머신 러닝 책임자인 지가르 도시는 "머신 비전 기술이 이미 매우 성숙했기 때문에 효과적인 평가를 수행하기 위해 (재난 상황에 대한) 대규모 모델을 학습할 필요가 없습니다."라고 언급했습니다.

AI의 지도 아래 인본주의적 치료를 위한 위성 데이터

CrowdAI는 위성 이미지와 기타 기술을 사용하여 데이터 서비스를 제공하는 다른 회사와 비슷하지만, 차이점은 자연 재해에 주력한다는 점입니다.

CrowdAI는 작년 허리케인 마이클 이후 플로리다주 파나마시티의 건물 피해를 평가하기 위해 통신 제공업체 WOW와 협력했습니다. NOAA가 제공한 도시의 위성 이미지를 바탕으로, WOW는 제공된 데이터를 통해 재해의 규모에 따라 인력을 적절히 배치하여 신속한 복구를 달성할 수 있었습니다.

CrowdAI는 허리케인과 산불로 인한 피해 평가를 연구하기 위해 Facebook AI와 협력하기도 했습니다. 그들의 연구 결과 "위성 이미지에서 재난 통찰력까지"이는 NeurIPS 컨퍼런스에서도 수용되었습니다.

이 논문에서는 인상적인 결과를 보고했습니다. 2017년 텍사스 근처에서 허리케인 하비로 인해 손상된 도로를 식별하는 데 88.8%의 정확도를 달성했고, 산타로사 화재로 인해 손상된 건물을 식별하는 데 81.1%의 정확도를 달성했습니다.

또한 CrowdAI의 또 다른 기사 《이진 분할을 위한 잔여 인셉션 스킵 네트워크》위성 이미지에서 도로망을 식별하는 것에 관한 논문이 또 다른 주요 컨퍼런스인 CVPR에서 채택되었습니다.

재난 예측 측면에서 CrowdAI는 예측 재난 모델도 연구하고 있습니다. 바람, 강수량, 소셜 미디어 등의 데이터를 통합해 위성 이미지를 능가하는 딥러닝 툴을 적극적으로 개발하고 있다고 합니다.

Google과 McKinsey Global Institute는 AI가 인류에게 이로운 사례에 대한 보고서를 발표했습니다. 보고서는 "AI는 더 정확한 구조 및 비상 대비를 제공할 수 있고, 인간 구조보다 빠르며, 적용 범위가 더 넓다"고 밝혔다.

의심할 여지 없이, 위성 데이터를 타겟으로 하는 현재 많은 머신 러닝 사례 중 대부분은 산업화와 상용화를 목표로 합니다. CrowdAI는 위성 데이터에 더욱 인간적인 적용 시나리오를 제공하고, 지능을 더욱 인간적으로 만들어줍니다.