研究人员建立了一个数据集 用于训练AI以从社交媒体图像中检测自然灾害 Kabbage如何通过机器学习处理70亿美元的Paycheck保护计划贷款 亚马逊光环是一款价值100美元的健身可穿戴设备的监视资本主义 苹果推出AI/ML居住计划以吸引利基专家 IBM将在美国公开赛期间使用AI传递模拟的人群噪音 太赫兹技术是无线领域的下一个大问题-但是它是什么 Google研究人员调查了转移学习的工作原理 Move.ai可以实现AI运动捕捉 而无需进行视频游戏制作 Steam聊天工具删除了Slur 但是应该删除了Slur用户 Restream推出Studio工具并筹集了5000万美元 Berbix获900万美元A轮融资 自主飞机创业公司可靠机器人以3350万美元的身价脱颖而出 最高法院AGR裁决后 沃达丰的创意获得近9%的收益 英雄摩托集团8月份在印度国内销售增长7.5% Sensex和Nifty可能有一个低调的开局 现货金价回落 因复苏希望获得牵引力 随着全球利率降低 印度国内黄金期货价格下跌近1% 8月的商品及服务税收藏品为86,449千万卢比 比7月低1% 8月柴油销售较7月下降13% 表明工业产值下降 在短短几个小时内 Zoom首席执行官的身家就增加了40亿美元 马恒达汽车销售在8月份下降了16% 拖拉机的销售上升了65% 停顿一天后 Sensex和Nifty继续上涨 八月份电力输出下降近1% 已连续第六个月下降 沃达丰Idea股价下跌20% Airtel和RCom股票因AGR裁决而上涨 调查显示工厂活动为5个月来首次上升 债券收益率暴跌 卢比因印度央行的稳定措施而飙升 研究人员的AI可以使用任何现成的相机执行3D运动捕捉 Chrome 85带有标签管理功能 页面加载速度提高了10% 研究人员研究了十年前医学AI论文中的不确定性 LinkedIn开源工具包可衡量AI模型的公平性 适用于安卓的Firefox Daylight具有增强的跟踪保护 Spaces是苹果难以置信的大型AR / VR马赛克中的另一块 微软的Word中转录工具为Office 365订阅者每月提供5个小时的转录 微软为开发人员提供了一种基于AI的工具 可在其应用程序中内置阅读辅助功能 Fitbit推出带有谷歌助手的Sense和Versa 3智能手表 Socure获3500万美元A轮融资 打击人工智能欺诈行为 比尔·盖茨领导对卫星天线公司Kymeta的8520万美元投资 WattBuy计算大多数美国家庭的电费和碳足迹 Netgear为艺术爱好者推出了Meural Wi-Fi宽屏相框 SparkMeter为发展中国家的智能电表筹集了1200万美元 法官裁定苹果不能阻止对Epic虚幻引擎的访问 L&T完成将电气和自动化业务出售给施耐德电气 玛鲁蒂铃木8月份国内销售增长近22% 主要经济体中最差的GDP达到-24%对印度意味着什么 周二各大城市汽油价格上涨4-5帕克斯 印度财政赤字在四个月内突破了全年目标 由于当前局势不断增加 现货金在触及2,000美元大关后趋于持平 信实与未来集团达成的33.8亿美元交易的影响 专家称印度6月份季度GDP增速超出预期 印度储备银行宣布增加价值200 亿卢比的流动性业务
你当前位置:首页 >资讯 >

研究人员建立了一个数据集 用于训练AI以从社交媒体图像中检测自然灾害

2020-09-04 15:02:13来源:

本周,加利福尼亚州和墨西哥湾沿岸各州的人们经历了历史性自然灾害的影响。所谓的气候变化迹象都是独特的:加利福尼亚的大火是由数百次雷击引发的,创造了该州历史上最大的一些大火,而劳拉飓风对路易斯安那州的袭击比150年来的任何飓风都更为严重。

为了协助人道主义团体和第一响应者,人工智能研究人员创建了事件数据集,他们将其称为有史以来最大的组装数据集,用于检测人们在Flickr和Twitter等社交媒体平台上共享的事故和自然灾害。事件数据集的创建者表示,他们希望这会刺激创建利用计算机视觉识别自然灾害并为人道主义组织和紧急响应者举报事件的AI。

“事件”数据集包含110万张图像,涵盖了从车祸到火山喷发的43类事故或自然灾害。图片包含位置标签,以及海滩,桥梁,森林或房屋。一纸有关的事件数据将于本周公布的欧洲会议计算机视觉(ECCV)的一部分。

“我们的数据集比任何其他与事件检测相关的可用数据集都更大,更完整,更多样化,从而能够训练出能够检测野外事件的强大模型,”该论文写道。

“事件”数据集包含近447,000张标记为事故或自然灾害的图像和697,000张未标记为任何事故或自然灾害的图像。数据集由麻省理工学院,卡塔尔计算机研究所和西班牙加泰罗尼亚奥伯塔大学的研究人员收集。照片是从Google图片搜索中获得的,并由Mechanical Turk员工标记。只有在达到85%的准确度后,才能接受带有标签的图像。

研究人员指出,标为负片的图像对于建立稳健的模型至关重要。论文读到:“我们可以观察到,在训练过程中不使用分类负面因素,该模型将无法区分壁炉和着火房屋之间的差异,也无法检测出由于意外而导致自行车破损的时间。”

为了测试事件的有效性,研究人员使用数据集训练卷积神经网络,并在Twitter上发现地震和洪水的平均精度为77%。该实验包括分析来自五次地震和两次洪水的900,000张Twitter照片。数据创建的AI能够识别将近100万张Twitter照片中的地震和洪水,其平均精度分别约为74%和89%。

研究人员还用4000万个带有地理标签的Flickr图像进行了实验,以分析地震和火山喷发造成的紧急事件检测。他们发现AI能够识别地震和火山事件的位置。

如今,存在各种各样的AI模型来识别自然灾害及其影响。除了天气预报模型外,还有AI可以预测印度恒河何时发生洪水,或者点燃后山火如何蔓延;用于检测野火何时开始使用卫星图像,尽管卫星可能被烟雾或云遮挡;用于评估水灾和火灾的损失。人工智能系统可以通过人们在社交媒体上使用的词语来识别自然灾害,但很少能从社交媒体上共享的图像中检测灾难。在接下来的几个月中,美国联邦机构将引入完整的ASAPS数据集,以刺激创建可自动检测警察,火灾或医疗紧急情况的AI工具从社交媒体照片和视频实时获取。事件数据集论文的一些共同作者于2017年在Twitter上推出了一种用于分析自然灾害的AI系统,但它只能识别三种灾害。