用于新闻、社交媒体与卫星序列中洪水检测的多模态机器学习
计算机视觉与模式识别
2019-10-08 v1 信息检索
多媒体
摘要
本文介绍我们为 MediaEval 2019 多媒体卫星任务所提出的方法，该任务旨在从社交媒体与卫星中提取与灾害事件相关的互补信息。针对第一个挑战，我们提出一种联合利用颜色、物体与场景级信息以预测含图文章主题是否为洪水事件的框架。视觉特征通过早期与晚期融合技术结合，取得平均 F1 分数 82.63、82.40、81.40 与 76.77。针对多模态洪水等级估计，我们依赖视觉与文本信息，分别取得平均 F1 分数 58.48 与 46.03。最后，针对基于时间的卫星图像序列中的洪水检测，我们采用经典计算机视觉与机器学习方法相结合，取得平均 F1 分数 58.82%。
引用
@article{arxiv.1910.02932,
title = {Multi-Modal Machine Learning for Flood Detection in News, Social Media and Satellite Sequences},
author = {Kashif Ahmad and Konstantin Pogorelov and Mohib Ullah and Michael Riegler and Nicola Conci and Johannes Langguth and Ala Al-Fuqaha},
journal= {arXiv preprint arXiv:1910.02932},
year = {2019}
}