マルチタスクランキングアプローチによるソーシャルメディア画像からの水位予測【JST・京大機械翻訳】

Chaudhary P.; D’Aronco S.; Leitao J.P.; Schindler K.; Wegner J.D.

文献

J-GLOBAL ID：202002251405919172 整理番号：20A1876990

マルチタスクランキングアプローチによるソーシャルメディア画像からの水位予測【JST・京大機械翻訳】

Water level prediction from social media images with a multi-task ranking approach

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=20A1876990&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A1876990&from=J-GLOBAL&jstjournalNo=H0048A") }}

著者 (5件)： , , , ,
資料名：
巻： 167 ページ： 252-262 発行年： 2020年
JST資料番号： H0048A ISSN： 0924-2716 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)

洪水は,最も高頻度で壊滅的な自然災害であり,世界中の何百万の人々に影響を及ぼす。計画(オフライン)と実施(リアルタイム)洪水緩和と洪水救助操作に対する正確な洪水地図を作成することが重要である。おそらく,ソーシャルメディアから収集された画像は,そのタスクに対して有用な情報を提供することができ,そうでなければ利用できない。(近)リアルタイムの洪水マップを構築するために,洪水事象中に撮影されたソーシャルメディア画像から水深を推定するコンピュータビジョンシステムを導入した。回帰モデルを回帰とペアワイズランキング損失の両方を用いて訓練するマルチタスク(深層)学習手法を提案した。提案アプローチは,画像ベースの洪水レベル推定のための主要なボトルネックが訓練データであるという観察によって動機づけられ,それは困難であり,正しい水深で制御されていない画像を注釈する多くの努力を必要とする。筆者らは,2つの画像が水位が高く,より容易に得られるという,少数の注釈付き水位と,より弱い注釈のより大きな集合から,予測子を効率的に学習する方法を示す。さらに,著者らは,8145の注釈付き地上レベル画像を用いて,深い洪水と名付けた新しいデータセットを提供し,提案したマルチタスクアプローチが,約11cmの二乗平均平方根誤差で,単一,群衆ソース画像から水位を予測できることを示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , ,
, , , , , 【Automatic Indexing@JST】

著者キーワード (6件)： , , , , ,

地形データの処理

, ,

前のページに戻る