Исследователи из Университета Осаки разработали модель глубокого обучения для оперативной оценки ущерба от наводнений с использованием спутниковых изображений. Это исследование устанавливает первый систематический эталон для этой задачи и представляет новый метод полууправляемого обучения, достигая 74% производительности полностью управляемых моделей всего с 10% размеченных данных.
Новая облегчённая модель глубокого обучения
Новая облегчённая модель глубокого обучения под названием Simple Prior Attention Disaster Assessment Net (SPADANet) значительно сокращает количество пропущенных повреждённых зданий, улучшая показатель полноты более чем на 9% по сравнению с существующими моделями.
Эта работа, опубликованная в International Journal of Disaster Risk Reduction, предоставляет важные принципы проектирования для будущих систем реагирования на ИИ, обеспечивая более быстрые и эффективные спасательные операции.
Основные принципы работы модели
- Использование регуляризации согласованности на уровне изображений (SSL) и механизма предварительного внимания для улучшения оценки ущерба от наводнений.
- SSL использует немаркированные данные для улучшения обучения, в то время как механизм предварительного внимания направляет внимание модели на тонкие индикаторы повреждений на спутниковых снимках.
Оценка проводилась на новом специализированном наборе данных о повреждениях от наводнений. Модель SPADANet эффективно выявляет повреждения зданий после наводнений, даже при ограниченном объёме размеченных обучающих данных. Её механизм предварительного внимания оказался особенно ценным для обнаружения тонких повреждений, которые часто пропускаются традиционными моделями обнаружения изменений.
Практический подход к оценке после стихийных бедствий
Подход SPADANet предлагает более практичный и эффективный подход к оценке после стихийных бедствий, отдавая приоритет комплексной оценке повреждений — «не оставляя без проверки ни одно здание».
Ведущий исследователь Цзяси Ю (Jiaxi Yu) заявил: «Среди хаоса стихийного бедствия наиболее важная роль ИИ — быстро предоставить информацию для спасения как можно большего количества жизней. Эта гуманитарная миссия лежит в основе всех наших исследований».
Он считает, что это исследование — важный шаг к тому, чтобы ИИ действительно вносил вклад в обеспечение безопасности и защищённости общества, надеясь, что оно заложит основу для технологий, используемых в усилиях по оказанию помощи при стихийных бедствиях во всём мире.
Эта технология может быть адаптирована и применена к другим типам стихийных бедствий, что ещё больше расширит её потенциальное влияние на усилия по оказанию помощи при стихийных бедствиях во всём мире.
Предоставлено Университетом Осаки.