Facebook AI工具分析灾区前后卫星图像 检测洪水和火灾的破环程度

Facebook AI researchers已经开发出一种工具，通过分析卫星图像，将灾害发生前后的图片分解为更小的网格，来确定一个地区在遭受火灾和洪水等自然灾害后的受破坏程度。在自然灾害发生时，该工具可以帮助应急人员识别受影响最严重的地区。

研究小组还创建了一个指标，来衡量自然灾害造成的损害程度，称为灾害影响指数（DII），可用于分辨严重的洪水或火灾。

Facebook AI researchers（FAIR）成立于2013年，上周刚刚迎来五周年。Facebook AI researchers一直致力于用AI的解决方案来解决Facebook同名服务、Instagram和其他旗下产品遇到的困难。

在此过程中，Facebook AI researchers分享发现和开源，它的工作重要性已经超出了在Facebook产品中的应用。例如，用于创建机器学习模型的FAIR开源工具包PyTorch与谷歌广受欢迎的TensorFlow可以直接竞争，最近还得到了微软的支持，而微软之前更专注于自己的产品。

2017年德克萨斯州糖城附近发生飓风灾害时，Facebook的AI工具识别损坏的道路，卷积神经网络达到了88.8％的准确率，在圣罗莎火灾中识别损坏的建筑物达到了81.1％的准确率。

灾难发生后，人们之前基于AI的分析主要集中在某个区域的静态图像，而Facebook的新方法是利用自然灾害发生之前和之后拍摄的照片，并将每张照片分解为更小且更多的照片网格，简便分析过程，并最终得出结果。

Facebook AI Research的Saikat Basu和Guan Pang以及CrowdAI的机器学习负责人Jigar Doshi合作发表论文《从卫星图像到灾难洞察》，表示：“这项工作一般只关注道路和建筑，但这可以扩展到量化灾害对其他自然和人造景观的影响。”

而这篇论文本周在蒙特利尔的神经信息处理系统（NeurIPS）会议上分享。

为了识别道路和建筑物，会使用Spacenet和Deepglobe卫星图像以及DigitalGlobe和Planet Labs的图像来调试卷积神经网络。人工智能系统检查了德克萨斯州糖城附近约55平方英里的区域和加利福尼亚州圣罗莎附近46平方英里的区域。

对于圣罗莎火灾，地面实况数据来自加州林业和消防部门的消防资源和评估计划（FRAP）网站。

跟优步等公司一样，CrowdAI和Facebook都参与了Deepglobe的挑战，通过卫星图像分析世界。该挑战今年夏天在盐湖城举行的2018年计算机视觉和模式识别会议举办。

在应对自然灾害时，人工智能越来越多地发挥作用。

与前联邦紧急事务管理局（FEMA）管理员Craig Fugate合作，创业公司One Concern正在开发能够检测地震影响的系统，让应急响应人员优先帮助最需要帮忙的人。

今年初，谷歌AI团队和哈佛大学的研究人员跟踪了近200次大地震和20万次余震，建立了预测地震余震的人工智能系统。

人工智能还被谷歌用来模拟印度的洪水，可以向附近的智能手机用户发送SOS警报。