面向灾害响应社交媒体图像分类的深度学习基准与数据集
计算机视觉与模式识别
2020-11-19 v1 人工智能
摘要
在灾害事件中，社交媒体上分享的图像有助于危机管理者获取态势感知并评估所受损害，以及其他响应任务。计算机视觉与深度神经网络的最新进展使得针对若干任务开发实时图像分类模型成为可能，包括检测危机事件、过滤无关图像、将图像分类至特定人道类别以及评估损害严重程度。尽管已有若干努力，以往工作主要受制于可用于训练更鲁棒深度学习模型的有限资源（即标注图像）。在本研究中，我们提出了用于灾害类型检测、信息性分类和损害严重程度评估的新数据集。此外，我们对现有公开可用数据集重新标注以用于新任务。我们识别精确重复与近似重复以形成不重叠的数据划分，并最终整合它们以创建更大的数据集。在我们广泛的实验中，我们对若干最先进（SOTA）深度学习模型进行了基准测试并取得了有前景的结果。我们公开发布数据集与模型，旨在提供恰当的基线并激发危机信息学界的进一步研究。
引用
@article{arxiv.2011.08916,
title = {Deep Learning Benchmarks and Datasets for Social Media Image Classification for Disaster Response},
author = {Firoj Alam and Ferda Ofli and Muhammad Imran and Tanvirul Alam and Umair Qazi},
journal= {arXiv preprint arXiv:2011.08916},
year = {2020}
}