文献

J-GLOBAL ID：202002229913521477   整理番号：20A2191489

Google街路景観を用いた損傷評価:フロリダ,メキシコ海岸におけるハリケーンMichaelからの証拠【JST・京大機械翻訳】

Damage assessment using Google Street View: Evidence from Hurricane Michael in Mexico Beach, Florida

著者 (3件)： Zhai Wei (International Center for Adaptation and Design (iAdapt), School of Landscape Architecture and Planning, College of Design, Construction and Planning, University of Florida, Arch Building, P.O. Box 115706, Gainesville, FL, 32611-5706, USA) ,  Zhai Wei (Department of Electrical and Computer Engineering, Herbert Wertheim College of Engineering, University of Florida, USA) ,  Peng Zhong-Ren (International Center for Adaptation and Design (iAdapt), School of Landscape Architecture and Planning, College of Design, Construction and Planning, University of Florida, Arch Building, P.O. Box 115706, Gainesville, FL, 32611-5706, USA)
資料名： Applied Geography  (Applied Geography)
巻： 123  ページ： Null  発行年： 2020年 
JST資料番号： E0891A  ISSN： 0143-6228  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 地上の破傷被害は,データ処理のためのデータおよび方法の限られたアベイラビリティにより,人文組織および災害管理者にとって挑戦的な仕事である。最も一般的に採用されるデータソースとして,リモートセンシング画像は,建物の頂部の損傷状況を反映するだけで,人間の眼の展望から損傷レベルを提示することができない。最近,Google Street View(GSV)画像の数の増加は,地上の損傷の人間の知覚を理解する機会を提供する。しかし,損傷評価においてGSV画像を自動かつ定量的に適用するためには,2つの研究疑問が答える必要がある。(1)深い学習は,GSV画像を用いて,災害後の損傷を評価するプロセスを自動化するためにうまく適用することができる。(2)GSV画像を用いたDoes損傷評価は,リモートセンシング画像のような既存の手法と比較して,異なる洞察を提供する。GSV画像を用いた著者らの実験およびメキシコビーチにおけるリモートセンシング画像に基づいて,Hurricane Michael後のFL,2つの結論を示した。1)深層学習モデルを適用することにより,GSVベース損傷評価は,単一GSV画像に対して約70%の精度で,満足かつ自動的に行うことができる。(2)GSV画像は,リモートセンシング画像が外部壁,窓,ドアおよびファサードに損傷を記録できないので,損傷評価に異なる洞察を提供する。全体の損傷レベルが比較的低いとき,GSV画像は,損傷評価においてより良い性能を示した。逆に,全体の損傷レベルが比較的高いとき,リモートセンシング画像は,著者らの実験に基づくより良い性能を示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 自動化 ,  *海岸 ,  メキシコ合衆国 ,  *ハリケーン ,  アベイラビリティ ,  リモートセンシング ,  データ処理 ,  ファサード ,  フロリダ州
準シソーラス用語： *街路景観 ,  *Google ,  リモートセンシング画像 ,  災害管理 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 損傷評価 ,  Google街路景観 ,  深層学習 ,  リモートセンシング

分類 (1件)： 自然災害  (RA02030M)

タイトルに関連する用語 (8件)： Google ,  街路景観 ,  損傷評価 ,  フロリダ ,  メキシコ ,  海岸 ,  ハリケーン ,  証拠