广告

利用AI绘制地图加强灾害防范

2020-03-09 Sally Ward-Foxton 阅读:
利用AI绘制地图加强灾害防范
发展中国家的许多地区都缺乏最新的地图,这意味着在发生自然灾害或传染病时,救援组织难以有效开展工作。英特尔已开发出可以通过卫星图像识别地物的AI模型,并与红十字会紧密合作推进“地图补全”项目,为发展中国家绘制地图,以提高其防范灾害的能力。

英特尔已开发出可以通过卫星图像识别地物的AI模型,用来准确绘制最新的地图。英特尔一直与红十字会紧密合作推进“地图补全”项目,目的是为发展中国家绘制地图,以提高其防范灾害的能力。发展中国家的许多地区都缺乏最新的地图,这意味着在发生自然灾害或传染病时,救援组织难以有效开展工作。o7aednc

美国红十字会喀斯喀特地区CEO Dale Kunce 是“地图补全”项目的联合创始人,他认为:“对红十字会的工作人员而言,得到准确的地图对于防灾规划和应急响应至关重要。目前世界上很多地区都还没有地图,这使规划工作和灾难应急响应变得十分困难。这就是我们与英特尔进行合作的原因,利用AI来绘制易受灾地区的地图,识别道路、桥梁、建筑物和城市。”o7aednc

“如果飓风来袭之前你不清楚每一条道路分布在哪里,那么飓风过后你就不会知道哪里发生了洪灾,哪些道路被冲走了,哪些道路还留在那里。”英特尔AI实验室深度学习数据科学家Alexei Bastidas在一条英特尔播客中说,“如果没有足够精确的地图,不了解灾害发生之前的地貌,那么在灾害发生时就很难及时作出响应。还有一个问题需要考虑,有很多灾害是与天气有关的,例如龙卷风、台风、飓风、甚至火山爆发。这些事件会挡住卫星传感器,因为它们产生了云层……对红十字会的工作人员来说,要及时响应这类事件极具挑战。”o7aednc

目前, “地图补全”项目有一支志愿者队伍,他们浏览卫星图像,识别道路、城镇、桥梁和其他基础设施。志愿者们手动更新一个名为“开放街道地图”的开源地图,既费时又费力。o7aednc

英特尔AI实验室与Mila和CrowdAI合作,共同开发出图像分割模型,利用模型从卫星图像中识别出乌干达地图中遗漏的桥梁。由于采用图像分割模型性能更好,所以不再使用对象检测方法。他们选择桥梁作为试验对象,因为桥梁是极易受到洪水等自然灾害威胁的重要基础设施。系统共发现70座桥梁在以前的地图中遗漏了(图1)。乌干达国家协会可以利用这些数据更好地规划疏散及救援路线。o7aednc

o7aednc

图1:系统发现乌干达的开放街道地图或统计局地图遗漏了70座桥梁。(图片来源:英特尔)o7aednc

解读卫星图像非常具有挑战性。Bastidas提到,其中的一个挑战是缺乏明显的上下参考框架,而且,卫星图像并非总是从正上方拍摄,这意味着同一个地物可以从不同角度看到。由于当地地形以及基础设施和建筑风格不同,因此很难利用世界其他地区的标签数据进行模型训练。即使是同一个国家的图像,夏季和冬季的地形看起来可能也大不相同,而桥梁等地物的尺寸和样式也表现出巨大的差异。o7aednc

因此,英特尔的训练数据集只能来自乌干达。实际上,他们选择了乌干达北部的一个地区,使用相同桥梁的多个不同图像,以便模型能够了解季节性和天底角(nadir angle)的变化。o7aednc

这些模型首先查找水路和公路地物,并将二者的交叉点标记出来,作为桥梁的候选点。每一个桥梁候选点30米以内的已知桥梁都会被忽略。在这些交叉点周围画一个限定框,再提取限定框区域的卫星图像。模型然后对卫星图像进行解析,看其中是否包含桥梁。o7aednc

这些模型在带有DL Boost和nGraph的第二代Intel Xeon可扩展处理器(Cascade Lake)上运行。Bastidas说,之所以选择这种处理器,是因为其尺寸巨大。卫星图像通常有1,024个方形像素(square pixel),而芯片最好能一次处理整个图像。o7aednc

Bastidas称,该项目接下来可能会建立模型来帮助人们标绘志愿者的位置,也许还可以预测桥梁的位置,但最终还是要根据人眼所看到的来做出判断。o7aednc

Bastidas称:“我们还想尝试一些方法,以利用现有的开源数据建立更稳健、更通用的模型,而更好地适应这一具有不同地貌的地区。”o7aednc

(原文刊登于ASPENCORE旗下EETimes欧洲网站,参考链接:AI Generates Maps for Disaster Preparedness。)o7aednc

本文为《电子技术设计》2020年03月刊杂志文章,版权所有,禁止转载。免费杂志订阅申请点击这里o7aednc

本文为EDN电子技术设计 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
  • 拆解:Google Home Hub智能扬声器和显示屏 虽然我家是以AmazonEcho为中心的,但Google的智能扬声器和显示屏生态系统也有很多拥趸。在去年夏天的一个促销活动中,我购买了一个优惠三件套组合,之前已拆解了其中的GoogleHome Mini和GE C-Life智能灯泡,本文拆解的是其中的第三位成员——Google Home Hub。
  • 猎豹移动旗下猎户星空与南昌市、58集团签订家政机器人 近日,在2020年第二届滕王阁创投峰会(以下简称“峰会”)上,猎豹移动旗下猎户星空与南昌市人民政府、58集团三方签订了“家政机器人战略合作框架协议”,三方将共同携手,各自发挥优势,推动家政服务数字社区建设、家政场景服务机器人的研发应用与产业发展。
  • (华为)激光雷达参数详解 新势力造车在近两年得到飞速发展,国内的蔚来、理想、小鹏等都在资本市场上融到了大量的资金,早期的新势力汽车是从新能源电动车入手,因为自动驾驶门槛较高,但是随着技术的发展和客户潮流的需要,自动驾驶不得不提上日程,尽管特斯拉的马斯克对激光雷达不屑一顾,但是还是有除特斯拉以外的大部分厂商都在使用激光雷达,而且是作为主要的传感器。因此,激光雷达是自动驾驶中绕不过去的坎,本文对激光雷达的参数进行详细解读。
  • 自动驾驶最成功的领域会在哪里?农用拖拉机!(附视频) 自动驾驶从最初的乘用车Waymo到自动驾驶卡车,但是,这两个领域都没有实现真正能够落地的应用。那么,自动驾驶最成功的领域将会是哪里呢?农用领域的自动驾驶越来越深入。凭借360度摄像头、一套传感器和自主导航软件,Monarch拖拉机可以在无人驾驶的情况下执行预先编程的任务。我们来看看其智能化程度。并附上视频。
  • 电动汽车“新势力造车”厂商市值排行(2020年最新),占全 以特斯拉为代表的电动汽车在全球刮起了新势力造车风,这两年理想、蔚来等在资本的支持下得到了高速发展。那么,他们的市值现在有多少呢?
  • 什么是神经网络?工作原理是什么?——AI算法必懂 关注AI的同学一定都知道神经网络,这是AI算法中模拟人的大脑所衍生出来的学科和算法。可以说,不了解神经网络就不能说动算法,懂算法者必懂神经网络。下面我们就对神经网络的工作原理进行深入浅出的介绍。
广告
热门推荐
广告
广告
EE直播间
在线研讨会
广告
广告
面包芯语
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了