訓(xùn)練數(shù)據(jù)

深度學(xué)習(xí)最大的挑戰(zhàn)來自于收集充分有效的數(shù)據(jù)來對模型進行訓(xùn)練，這一問題在災(zāi)后重建分析中尤其突出。因為記錄了高分辨率衛(wèi)星影像的災(zāi)害較少，而其中包含損害建筑的結(jié)果就更少。這一工作中研究人員使用了UNOSAT和REACH等組織提供的公開災(zāi)后評估數(shù)據(jù)，這些原始的衛(wèi)星影像經(jīng)過手工評估后，再利用谷歌地球來將損害程度評分添加到對應(yīng)的空間坐標中以獲取最終的訓(xùn)練數(shù)據(jù)。

訓(xùn)練中使用的圖像元，包含了災(zāi)前和災(zāi)后的建筑受損情況

性能

研究人員在近年來的三場地震中評估了模型的性能，在每次災(zāi)害中利用部分區(qū)域來訓(xùn)練模型，并在另一部分區(qū)域中進行測試。結(jié)果的基準來源于UNOSAT和REACH中人類專家的評估結(jié)果，并利用與人類評測相比的真實精度和ROC曲線來對模型的性能進行評估。ROC曲線是機器學(xué)習(xí)領(lǐng)域用來測量模型對于正負樣本分類能力的常用指標，曲線下的面積越接近1，說明其分類的精度就越高。根據(jù)前線救災(zāi)人員的經(jīng)驗，在災(zāi)后72小時內(nèi)超過70％的準確率閾值就能為救災(zāi)提供有效的決策支撐。

下圖顯示了災(zāi)前和災(zāi)后建筑的損毀情況及模型的評估得分，可以看出損壞建筑的分數(shù)都較為接近1而無損建筑的得分較小，即使周圍的地貌發(fā)生了明顯變化也不會被誤判。0．5可以作為典型的判斷閾值來進行受損分類。

這一工作顯示了衛(wèi)星影像應(yīng)用于自動化災(zāi)后評估的潛力。雖然目前是在在同一地區(qū)不同區(qū)域進行訓(xùn)練和測試，但最終目標將是為全球任何區(qū)域提供精確的災(zāi)后建筑受損評估服務(wù)。在未來將會加入更多的訓(xùn)練數(shù)據(jù)以覆蓋多樣性的地理區(qū)域和建筑風格。同時還將提供交互式的訓(xùn)練、驗證和專家系統(tǒng)來為相關(guān)部門提供更多的決策信息和有效災(zāi)后響應(yīng)，并讓這套系統(tǒng)為災(zāi)后救援與時間賽跑中，提供最為迅捷的評估信息。

關(guān)于我“門”

將門是一家以專注于發(fā)掘、加速及投資技術(shù)驅(qū)動型創(chuàng)業(yè)公司的新型創(chuàng)投機構(gòu)，旗下涵蓋將門創(chuàng)新服務(wù)、將門技術(shù)社群以及將門創(chuàng)投基金。將門成立于2015年底，創(chuàng)始團隊由微軟創(chuàng)投在中國的創(chuàng)始團隊原班人馬構(gòu)建而成，曾為微軟優(yōu)選和深度孵化了126家創(chuàng)新的技術(shù)型創(chuàng)業(yè)公司。

將門創(chuàng)新服務(wù)專注于使創(chuàng)新的技術(shù)落地于真正的應(yīng)用場景，激活和實現(xiàn)全新的商業(yè)價值，服務(wù)于行業(yè)領(lǐng)先企業(yè)和技術(shù)創(chuàng)新型創(chuàng)業(yè)公司。

將門技術(shù)社群專注于幫助技術(shù)創(chuàng)新型的創(chuàng)業(yè)公司提供來自產(chǎn)、學(xué)、研、創(chuàng)領(lǐng)域的核心技術(shù)專家的技術(shù)分享和學(xué)習(xí)內(nèi)容，使創(chuàng)新成為持續(xù)的核心競爭力。

將門創(chuàng)投基金專注于投資通過技術(shù)創(chuàng)新激活商業(yè)場景，實現(xiàn)商業(yè)價值的初創(chuàng)企業(yè)，關(guān)注技術(shù)領(lǐng)域包括機器智能、物聯(lián)網(wǎng)、自然人機交互、企業(yè)計算。在近四年的時間里，將門創(chuàng)投基金已經(jīng)投資了包括量化派、碼隆科技、禾賽科技、寬拓科技、杉數(shù)科技、迪英加科技等數(shù)十家具有高成長潛力的技術(shù)型創(chuàng)業(yè)公司。