文献

J-GLOBAL ID：202102237607190975   整理番号：21A1195268

深層学習に基づくソーシャルメディアフラッディング光スクリーニングシステムの試作【JST・京大機械翻訳】

Prototyping a Social Media Flooding Photo Screening System Based on Deep Learning

著者 (4件)： Ning Huan ,  Li Zhenlong ,  Hodgson Michael E. ,  Wang Cuizhen (Susan)
資料名： ISPRS International Journal of Geo-Information (Web)  (ISPRS International Journal of Geo-Information (Web))
巻： 9  号： 2  ページ： 104  発行年： 2020年 
JST資料番号： U7212A  ISSN： 2220-9964  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 本論文では,ソーシャルメディアからのフラッディング関連写真を同定するためのプロトタイプスクリーニングシステムの実現を目的とする。これらの写真は,それらの地理的位置に関連して,意思決定者への洪水事象に関する自由でタイムリーで信頼できる視覚情報を提供できる。ソーシャルメディア画像への応用のために設計されたこのスクリーニングシステムは,いくつかのキーモジュール,即ち,ツイート/画像ダウンロード,フラッディング写真検出,および人間検証のためのWebGISアプリケーションを含む。本研究では,4800のフラッディング写真の訓練データセットを,フラッディング写真を検出するために開発した畳み込みニューラルネットワーク(CNN)を用いた反復法に基づいて構築した。システムは,より多くの分析が,反復的に訓練セットに追加されるとき,CNNをより大きな訓練データセットによって再訓練できる方法で設計した。フラッディング光検出の全精度は平衡試験セットで93%であり,高精度は高度に不均衡なリアルタイムピンセットで4663%からの範囲であった。このシステムはプラグインを可能にし,分類モジュールへの柔軟な変化を可能にする。したがって,システムアーキテクチャと重要部品は,山火事,被害/衝撃評価のための地震のような災害事象の他のタイプで利用される。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 衝撃 ,  洪水 ,  逐次近似 ,  地震 ,  *フラッディング ,  地理学 ,  応用プログラム ,  光検出 ,  意思決定者 ,  ダウンロード ,  システムアーキテクチャ ,  プロトタイプ
準シソーラス用語： 実時間 ,  *ソーシャルメディア ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： Twitter ,  洪水 ,  リアルタイム ,  画像 ,  深層学習

分類 (1件)： 図形・画像処理一般  (JE04010I)

引用文献 (58件)：

• Union of Concerned Scientists Climate Change, Extreme Precipitation and Flooding: The Latest Science. 2018. Available online: https://www.ucsusa.org/global-warming/global-warming-impacts/floods (accessed on 22 March 2019).
• Wuebbles, D.J.; Fahey, D.W.; Hibbard, K.A. Climate Science Special Report: Fourth National Climate Assessment; U.S. Global Change Research Program: Washington, DC, USA, 2017; Volume I.
• National Weather Service. Summary of Natural Hazard Statistics for 2017 in the United States; National Weather Service: Silver Spring, MD, USA, 2017. U.S. Department of the Interior; U.S. Geological Survey (USGS). Flood Event Viewer. Available online: https://water.usgs.gov/floods/FEV/ (accessed on 22 March 2019).
• Koenig, T.A.; Bruce, J.L.; O’Connor, J.; McGee, B.D.; Holmes, R.R., Jr.; Hollins, R.; Forbes, B.T.; Kohn, M.S.; Schellekens, M.; Martin, Z.W.; et al. Identifying and Preserving High-Water Mark Data; Techniques and Methods; U.S. Geological Survey: Reston, VA, USA, 2016; p. 60.
• Li, Z.; Wang, C.; Emrich, C.T.; Guo, D. A novel approach to leveraging social media for rapid flood mapping: A case study of the 2015 South Carolina floods. Cartogr. Geogr. Inf. Sci. 2018, 45, 97-110.

タイトルに関連する用語 (3件)： 深層学習 ,  スクリーニングシステム ,  試作