实时社交媒体图像流中的滑坡检测
计算机视觉与模式识别
2024-04-25 v1
摘要
全球数据清单的缺乏阻碍了滑坡灾害的科学建模与应对，而滑坡灾害往往致命且代价高昂。为弥补这一局限，新近方法提出了基于需要积极参与的公民科学的解决方案。然而，作为非传统数据源，社交媒体近年来已越来越多地用于许多灾害响应与管理研究。受此趋势启发，我们提议利用社交媒体数据，借助人工智能（AI）技术自动挖掘滑坡相关信息。具体而言，我们开发了一种 state-of-the-art 计算机视觉模型，用于实时检测社交媒体图像流中的滑坡。为此，我们创建了一个由专家标注的大规模滑坡图像数据集，并进行了广泛的模型训练实验。实验结果表明，所提出的模型可以在线部署，以支持全球滑坡易发性图和应急响应。
引用
@article{arxiv.2110.04080,
title = {Landslide Detection in Real-Time Social Media Image Streams},
author = {Ferda Ofli and Muhammad Imran and Umair Qazi and Julien Roch and Catherine Pennington and Vanessa J. Banks and Remy Bossu},
journal= {arXiv preprint arXiv:2110.04080},
year = {2024}
}
备注
Neural Comput & Applic (2023)