Departament Obrony USA udostępnia dane, które ułatwią komputerom szacowanie skutków klęsk żywiołowych

Wspierana przez sztuczną inteligencję komputerowa analiza obrazu sprawdza się już w autonomicznych samochodach, systemach rozpoznawania twarzy czy interpretowaniu zdjęć satelitarnych (np. w monitoringu rolnictwa).

Satelitarna analiza skutków katastrof naturalnych, zwłaszcza zniszczeń budynków, stała się ostatnio szczególnie cennym zastosowaniem tej technologii. Zmiany klimatu przyspieszają i można się spodziewać, że towarzyszące im katastrofalne zdarzenia, zwłaszcza huragany i powodzie, będą występowały częściej i z coraz większą siłą.

Algorytmy analizy obrazu wydają się wręcz stworzone do tego zadania. Tyle że do treningu sztucznej inteligencji potrzebna jest ogromna ilość danych opisanych we właściwy sposób. I tu zaczynają się problemy.

Po pierwsze, zniszczenia spowodowane przez różne żywioły wyglądają inaczej i w inny sposób wpływają na stan budynków – nie ma jednolitej skali oceny zniszczeń uwzględniającej rodzaj żywiołu, który je spowodował.

Po drugie, w różnych krajach buduje się różnie. Dlatego skutki trzęsienia ziemi na przykład w Japonii i w Stanach Zjednoczonych mogą z satelity wyglądać inaczej.

I po trzecie: kataklizmy to zdarzenia mimo wszystko dość rzadkie, a dane na ich temat są trudno dostępne.

Zdjęcia dokumentują 8 typów kataklizmów w 15 krajach świata na łącznej powierzchni 5 tys. km kwadratowych

W nadziei na przezwyciężenie tych trudności Departament Obrony USA wraz z Instytutem Inżynierii Oprogramowania Uniwersytetu Carnegie Mellon w najbliższych dniach opublikuje bazę danych treningowych dla algorytmów sztucznej inteligencji o nazwie xBD.

Zawiera ona zdjęcia około 700 tys. budynków na terenach, które dotknęły katastrofy naturalne: trzęsienia ziemi, pożary, powodzie i wybuchy wulkanów. Zdjęcia pokazują stan przed i po wystąpieniu kataklizmu. Obrazują między innymi skutki powodzi w Indiach w 2017 roku i w tym roku w Afryce, rezultaty trzęsienia ziemi na Haiti w 2010 roku, czy efekt ogromnych pożarów, które w 2018 roku dotknęły Stany Zjednoczone i Grecję. W sumie tworzą satelitarną dokumentację 8 typów kataklizmów w 15 krajach świata na łącznej powierzchni 5 tys. kilometrów kwadratowych.

Dane są szczegółowo opisane. Zdjęcia opatrzono informacjami pozwalającymi łatwo zidentyfikować budynki, a także stopień zniszczenia i jego źródło (woda, ogień, wiatr itd.). Na potrzeby bazy twórcy stworzyli też jednolitą, czterostopniową skalę oceny uszkodzeń budynków – od 0 (nieuszkodzony) do 3 (zniszczony).

Naukowcy liczą, że wysokiej jakości dane zawarte w xBD pomogą w skutecznym szkoleniu algorytmów.

“Logistyka, planowanie zasobów i ocena zniszczeń to trudne zadania po katastrofie, a wysyłanie ratowników w rejon nią dotknięty jest niebezpieczne i kosztowne. Używanie pasywnych metod, jak analiza zdjęć satelitarnych, do oceny zniszczeń oznacza mniejsze koszty, ryzyko i większe tempo tego procesu” – czytamy w pracy opublikowanej przez autorów bazy.

Publikacji danych towarzyszy Xview 2.0 Challenge, wyzwanie programistyczne, którego celem jest stworzenie algorytmu wykorzystującego potencjał xBD do trafnej analizy i oceny zniszczeń budynków.

Skip to content