Исследователи разработали инструменты для автоматического обнаружения стихийных бедствий

Исследователи из Калифорнийского университета разработали инструменты для автоматического обнаружения природных катастроф на изображениях с помощью компьютерного зрения. Их работа была представлена на конференции Computer Vision and Pattern Recognition 2023.

Инструменты, названные DisasterNet и DisasterMapper, способны распознавать различные типы катастроф. Среди них — пожары, наводнения, землетрясения, ураганы и цунами. Локализация бедствий на изображениях происходит с высокой точностью. Это может помочь в оценке ущерба, проведении спасательных операций и оповещении населения.

DisasterNet — это нейросеть, которая классифицирует изображения по типу бедствия или его отсутствия. Она обучена на большом наборе данных, содержащем более 100 000 изображений из различных источников. Это спутники, беспилотники, социальные сети и новостные сайты. DisasterNet может распознавать 12 классов катастроф с точностью 94%.

DisasterMapper — это инструмент для семантической сегментации изображений. Подразумевается разделение изображения на области, соответствующие различным объектам. Второй инструмент использует DisasterNet в качестве входных данных и генерирует карту, показывающую местоположение бедствия. DisasterMapper может локализовать стихийные бедствия с точностью 87%.

Исследователи планируют и дальше совершенствовать свои инструменты и применять их в реальных ситуациях. Они надеются, что разработка внесет вклад в развитие компьютерного зрения для оказания помощи пострадавшим.