使用基于内容的过滤器在Twitter上查找相关洪水图像
计算机视觉与模式识别
2020-11-12 v1 机器学习
摘要
对洪水等自然灾害的及时分析常因传感器分布粗糙或传感器故障而受限于数据不足。与此同时，大量信息埋藏在Twitter等社交媒体平台发布的该事件的丰富图像中。这些图像可用于记录并快速评估情况，并推导出传感器无法提供的代理数据，例如水污染程度。然而，并非所有在线发布的图像都适合或信息量足以用于此目的。因此，我们提出一种使用机器学习技术的自动过滤方法，用于查找与以下信息目标之一相关的Twitter图像：评估淹没区域、淹没深度和水污染程度。该过滤器不依赖推文中的文本信息，而是直接分析图像内容。我们在两次主要洪水事件的案例研究上评估了两种不同方法和各种特征的性能。与基于关键词的过滤器相比，我们的基于图像的过滤器能大幅提升结果质量，将平均精度均值从平均23%提高到53%。
引用
@article{arxiv.2011.05756,
title = {Finding Relevant Flood Images on Twitter using Content-based Filters},
author = {Björn Barz and Kai Schröter and Ann-Christin Kra and Joachim Denzler},
journal= {arXiv preprint arXiv:2011.05756},
year = {2020}
}
备注
ICPR 2020 Workshop on Machine Learning Advances Environmental Science (MAES)