[論文レビュー] Disaster Monitoring using Unmanned Aerial Vehicles and Deep Learning

Andreas Kamilaris, Francesc X. Prenafeta‐Boldú|arXiv (Cornell University)|Jul 31, 2018

Video Surveillance and Tracking Methods参考文献 28被引用数 44

ひとこと要約

この論文は、UAVで撮影した空中画像に適用した単純な深層学習モデルが、544-image dataset上で災害を91%の精度で識別できることを示しています。

ABSTRACT

Monitoring of disasters is crucial for mitigating their effects on the environment and human population, and can be facilitated by the use of unmanned aerial vehicles (UAV), equipped with camera sensors that produce aerial photos of the areas of interest. A modern technique for recognition of events based on aerial photos is deep learning. In this paper, we present the state of the art work related to the use of deep learning techniques for disaster identification. We demonstrate the potential of this technique in identifying disasters with high accuracy, by means of a relatively simple deep learning model. Based on a dataset of 544 images (containing disaster images such as fires, earthquakes, collapsed buildings, tsunami and flooding, as well as non-disaster scenes), our results show an accuracy of 91% achieved, indicating that deep learning, combined with UAV equipped with camera sensors, have the potential to predict disasters with high accuracy.

研究の動機と目的

• 災害監視と緩和のために、カメラセンサーを搭載したUAVの利用を促進する。
• 空中画像から災害イベントを認識する深層学習の潜在能力を評価する。
• 災害識別で高い精度を達成する比較的単純なDLモデルを強調する。
• このアプローチが複数の災害タイプ（火災、地震、倒壊した建物、津波、洪水）に適用可能であることを示す。

提案手法

• カメラを搭載した無人航空機を使用して、災害場面と非災害場面の空中画像を収集する。
• データセットに深層学習モデルを適用して、画像から災害識別を行う。
• 認識性能を評価し、データセット上の精度を報告する。
• 迅速な災害予測と対応のために、UAVセンシングと深層学習を組み合わせる可能性を検討する。

実験結果

リサーチクエスチョン

• RQ1 UAVで取得した空撮画像上の深層学習は、災害イベントを正確に識別できるか。
• RQ2 544-image datasetの災害と非災害のデータに対するDLモデルの達成可能な精度はどの程度か。
• RQ3 このアプローチは、火災、地震、倒壊した建物、津波、洪水など、異なる災害タイプ間でどれだけ一般化できるか。

主な発見

• 災害と非災害のシーンを含む544枚の画像データセットで、モデルは91%の精度を達成した。
• 本研究は、UAV画像を用いた災害識別において、比較的単純な深層学習モデルの実現可能性を示す。
• 結果は、災害監視と迅速な対応を支援するUAVベースの深層学習システムの高い可能性を示している。