Aug, 2023

无人机 4 好：通过远程感知和人工智能支持灾害救援

PDF
TL;DR通过无人机数据与深度学习方法的结合，实现自动化和大规模的情况评估，同时证明了无人机的自主投送能够集成机载图像处理技术，提高运载救援物资的安全性。
disasteremergency servicesremote sensingdeep learningdrone-based aid delivery
发现论文，激发创造
  • 利用无人机与深度学习进行灾害监测

    利用装备相机传感器的无人机进行灾害监测，并结合深度学习技术可以高准确性地识别灾害，544 幅图像实验结果表明，该技术有望成为高效的灾害预测方法。

    Jul, 2018

  • 基于人工智能的无人机协助灾难环境下的人类救援：挑战与机遇

    使用基于无人机的系统，特别是通过识别人类尖叫声和其他紧急信号来检测个体。该研究在灾后情景下具有重要意义，包括地震、飓风、军事冲突、野火等事件。

    Jun, 2024

  • 基于深度学习的无人机应急响应航空影像分类

    本篇论文研究了利用无人机进行应急响应和灾害管理的自动化航空场景分类，提出了一个用于紧急响应的航空图像数据库（AIDER），并进行了现有方法的比较分析。通过该分析，开发出了一个轻量级的卷积神经网络（CNN）架构，能够在嵌入式平台上高效运行，在需要的时候能够在灾难性事件中提供即时帮助。

    Jun, 2019

  • 气候适应：从不平衡卫星数据中可靠地预测

    本文研究了如何处理在应用深度学习技术识别危机管理时，数据高度不平衡的情况，探讨了多种技术并提出了一套综合方法，旨在提高少数类别分类的性能和模型可靠性。

    Apr, 2020

  • 提升机载图像在野外搜救中的计算机视觉 / 机器学习表现

    描述无人机图像采集中的缺陷，给出了优化计算机视觉 / 机器学习后处理图像适应性的五项建议，并描述了野外搜救事件中无人机使用的概念工作流程。

    Sep, 2023

  • 遥感中的深度学习：综述

    分析了深度学习用于遥感数据分析的挑战、近期进展及如何利用该技术应对包括气候变化和城市化等前所未有的大规模具有影响力的挑战，鼓励遥感科学家将自己的专业知识带入深度学习，并将其作为隐式通用模型。

    Oct, 2017

  • 利用航空无人机图像估计灾区人员状况

    利用无人机图像中人类行为自动估计人员损伤状况，以更快地了解灾难现场并节省人工。通过构建一个新的数据集，并使用 3D ResNet 对城市地区发生的假想灾难中的人类行为进行分类，结果显示具有特征人类行为的状况可达到 80% 以上的召回率，而其他具有类似人类行为的状况只能达到约 50% 的召回率。此外，基于云端的虚拟现实演示应用提示了利用无人机了解灾难现场和估计人类状况的有效性。

    Aug, 2023

  • 从卫星图像到灾难洞察

    本研究提出了一种卷积神经网络的框架来进行基于卫星图像的变化检测，通过阈值化和划分网格来找到灾害影响最严重的区域，并使用新的灾害影响指数（DII）来衡量自然灾害的影响。在应用于飓风哈维和圣塔罗莎大火数据集时，框架的 F1 分数分别为 81.2％和 83.5％。

    Dec, 2018

  • 基于深度特征的遥感与贫困测绘迁移学习

    通过机器学习从高分辨率遥感图像中提取大规模社会经济指标，以辅助政策决策和人道主义救助，特别是在发展中国家等缺乏可靠数据的地区。

    Oct, 2015

  • 运用迁移学习实现全球农作物地图

    本文使用卫星数据和深度学习方法，建立一个基于转移学习的农作物类型检测模型，成功地在韩国、法国、西班牙和荷兰等地区对水稻和大麦进行了检测。

    Nov, 2022