美国军方正在寻求灾后损失自动识别的成功方案 | 智能技术

发布日期:2019-10-14 10:00


Digital Globe/MAXAR的开放数据项目提供的卫星图像显示了加州圣罗莎的建筑物,图中分别是塔布斯大火之前(左)和之后(右)

现在自然灾害似乎越来越频繁了。更糟的是,我们似乎没有准备好对付他们。即使它是我们可以预见的事情,就像飓风一样,恢复的道路往往是混乱的,因为急救人员争相找出分配资源的地方。遥感技术可以在这方面提供帮助,但目前的技术水平是比较手工拍摄的灾前和灾后航拍图像,并试图确定受灾最严重的地点。为了帮助解决这个问题,国防创新小组(国防部内部的一种技术加速器)正在发起一个名为xView2的挑战。它的目标是:开发一种人工智能计算机视觉算法,可以根据前后照片的差异自动检测和标记损伤。就像所有好的挑战一样,无论谁把工作做得最好,最后都会有一大笔钱。

xView2背后的思想相对简单。作为输入,你得到了灾难前一个地区的卫星图像。作为输出,你得到的是同一地区的卫星图像,是在地震、海啸、洪水、火山爆发、野火、龙卷风或上述任何一种灾难发生后立即拍摄的。所有的算法所要做的就是识别结构,然后在从一尘不染到消失的四点损伤范围内对每个结构进行评级。幸运的是,这种模式识别是计算机视觉算法擅长的。它们的有效性的关键是提供给它们的训练数据,而xView2提供了一个巨大的、手工标记的数据集供竞争对手使用。利用Digital Globe的开放数据程序,xView2已经成功收集了19,804平方公里的灾前和灾后图像,分辨率为每像素0.3米。这些图像描绘了550,230个建筑轮廓,每一个轮廓都是由一个人绘制的,并被赋予一个建筑损坏评估分数。


在这些卫星图像中,红色的标注表示建筑物已经被完全摧毁,蓝色的斑块表示没有损坏

运行xView2的人员非常小心,以确保数据集尽可能准确和高质量。有15个国家的代表,包括澳大利亚、印度尼西亚、塔斯卡卢萨和孟加拉国等异国情调的地方。美国联邦应急管理局、美国空军和当地急救人员共同制定了标准的建筑物联合损伤等级表(奇怪的是,这之前并不存在)。这些机构也有机会在数据集最终确定之前检查标签的准确性。

xView2挑战的获胜者将是在以前未见过的数据集上表现最好的算法,该算法通过最接近专家给出的等级的联合损伤等级来识别和标记建筑物。该算法必须是多面手,能够在世界任何地方识别并为六种灾难中的任何一种建筑打分。希望获奖的算法可以用来比较灾前的卫星图像和灾后从飞机或无人机上拍摄的图像,帮助急救人员更快更有效地行动。即使最好的算法并不完美,也没关系。即使是一个非常好的算法也可能非常有用,特别是当时间是一个因素的时候。令人耳目一新的是,国防创新部门似乎最感兴趣的是鼓励人们参与xView2挑战并取得好成绩,而不是执着于拥有获胜的软件或任何东西。你可以在开源的轨道上竞争,在那里你可以赢得25,000美元,只要你同意在一个许可的许可下发布你的代码。如果你想让你的代码保持私有,但是你可以给政府一个非独占的许可来使用它,那么政府目的跟踪有38,000美元的一等奖。任何参加开源项目的人都有可能赢得其他项目。最后的评估只针对那些不想分享任何东西的团队;政府会检查你的算法并告诉你你是怎么做的,但仅此而已。在这种情况下,最高奖金是3000美元。最后,表现好的团队将被考虑进行“后续原型开发”,这意味着以后可能会有更多的机会。

xView2挑战赛的数据集现已可用,提交截止日期为11月22日。获奖者将于12月在NeurIPS举办的人道主义援助和灾难恢复(HADR)研讨会上宣布。