精品国产人成在线_亚洲高清无码在线观看_国产在线视频国产永久2021_国产AV综合第一页一个的一区免费影院黑人_最近中文字幕MV高清在线视频

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

機器學習尋找越戰中未爆炸的炸彈

倩倩 ? 來源:鈦媒體APP ? 2020-04-15 11:10 ? 次閱讀

未爆炸炸彈(Unexploded Ordnance, UXO)對沖突后社區構成了重大威脅,目前定位炸彈的工作依賴于時間密集和危險的現場查找。

超高分辨率(VHR)亞米衛星圖像可以提供一種低成本、高效率的方法,來自動檢測彈坑并估算未爆炸炸彈的密度。由于炸彈坑比流星隕石坑要小,并且由于炸彈坑復雜的地形環境和外觀變化,所以利用以往尋找流星隕石坑的機器學習方法并不適合尋找炸彈坑。

根據俄亥俄州立大學政治學助理教授 Erin Lin 與俄亥俄州立大學土木、環境和大地工程助理教授秦榮軍共同發表在《美國科學公共圖書館》雜志(PLOS ONE)上的一項研究,研究人員創建了一個基于機器學習的兩階段框架來嘗試應對這些挑戰。

該研究所提出的方法,將炸彈坑檢測率提高了 160% 以上。對比分析表明,該方法明顯優于典型的物體識別算法,可用于廣域炸彈坑檢測。

而該模型結合解密的記錄和排雷報告,發現在柬埔寨某村莊附近仍有 44% 至 50% 的炸彈未爆炸。

和平時期的隱患

未爆炸彈藥是指在武裝沖突期間部署但沒有引爆的軍事爆炸物,例如手榴彈、炸彈、迫擊炮彈和集束彈藥。未爆炸彈藥對戰后經濟復蘇、人類健康和政府反應能力構成重大挑戰。

據統計,未爆炸彈藥每年奪走 15,000 至 20,000 人的生命,每天平均有超過兩名平民被未爆彈藥炸死或炸傷,其中 28% 的傷亡是兒童。而全球估計至今仍有 400 萬到 600 萬顆流散爆炸物尚未被發現。

柬埔寨的炸彈隱患是世界上最高的。越南戰爭期間,美國向柬埔寨投放了約 50 萬噸炸藥。在柬埔寨,所有 24 個省都有未爆炸彈藥和地雷污染的區域,2001 年,幾乎所有柬埔寨村莊的一半都報告了某種形式的未爆炸物隱患。

當前的清理方法,要求排雷人員手動搜索場地,依靠金屬和雷達探測器找到可能的炸彈,并使用鐵鍬仔細地挖出可疑爆炸物,過程費力、危險且通常效率低下。

更打擊人的是,2016 年聯合國的一份報告發現,過去一年中清理的埋雷區域中有近一半實際上“沒有地雷或數量非常有限” 。

兩階段框架的提出

在這項最新研究中,研究人員利用人工智能從衛星圖像中檢測越戰時期柬埔寨的炸彈坑,希望它能幫助找到未爆炸的炸彈。

遙感分析提供了一種定位未爆炸彈藥的潛在方法,美國空軍解密的越戰轟炸記錄也提供了很大幫助。為了解決這一挑戰,研究人員還開發了一種新的遙感方法,來計算每個有效目標區域中的炸彈坑數量。

然后,用已知的每個有效目標區域中的炸彈總數(解密數據提供的信息),減去了已經引爆的炸彈數量,就可以估算出仍下落不明并可能藏在該區域的炸彈數量。

其實,之前尋找彈坑的算法,借鑒了成熟的隕石坑識別方法,通過掃描衛星圖像,尋找外層空間行星表面上的大型圓形坑。但是,炸彈坑和流星隕石坑之間還是有很大的差異。

首先,炸彈坑會隨著時間流逝經歷各種程度的侵蝕,周圍植物也會生長變化,這與流星隕石坑不同,流星隕石坑位于缺乏大氣和植被的地外表。

第二,從遙感角度看,彈坑的尺寸相對較小,通常直徑只有 3 至 12 米。這比流星撞擊坑要小得多,隕石坑的直徑可達 3000 米。由于隕石坑檢測方法是從粗粒度的黑白圖像中檢測出圓形,因此可能會漏掉尺寸較小、形狀不完美、與周圍地形融為一體、或附近有干擾物體(如植物或水)的彈坑。

炸彈坑(左)與流星隕石坑(右)

為了有效檢測到直徑為 3 至 12 米的物體,研究人員需要處理超高分辨率(VHR)衛星圖像。鑒于炸彈坑檢測是針對目標的學習任務,可獲得的樣本相對較少,研究人員開發了一個兩階段的框架。

彈坑探測兩級框架的工作流程

在第一階段,通過使用滑動窗口技術從 100 平方公里的研究區域中提取出第一道候選彈坑,其中矩形區域在固定寬度和高度的圖像上滑動。

然后將補丁分類為潛在的隕石坑或拒絕的候選坑。具體來說,典型的特征提取器將定向梯度直方圖(HOG)與基于支持向量機(SVM)的光譜直方圖特征向量進行分類。

但是,潛在的隕石坑候選可能包含許多誤報。因此,第二階段涉及多方法過程,以從候選池中除去非炸彈坑口。

第一階段 83% 的候選隕石坑在第二階段改進后被丟棄

新方式效果顯著

研究人員從柬埔寨 Kampong Trabaek 鎮附近 100 平方公里區域的商業衛星圖像開始,該地區是美國空軍 1970 年 5 月至 1973 年 8 月地毯式轟炸的目標。

研究地點的衛星圖像(100 平方公里)

研究人員通過機器學習分析衛星圖像,以尋找炸彈坑存在的證據。炸彈坑的數量能夠讓研究人員知道實際上有多少炸彈已經爆炸,在哪里爆炸。然后,他們可以就可以確定還剩下多少枚未爆炸的炸彈,以及可能發現這些炸彈的特定區域。

俄亥俄州立大學政治學助理教授 Erin Lin 表示,到目前為止,在柬埔寨發現并安全清除未爆炸炸彈和地雷的嘗試,并沒有達到所需的效果。

Erin Lin 教授說,“迫切需要的服務與應用之間存在脫節,部分原因是我們無法準確地確定最需要排雷的地方。這就是我們的新方法可能會有所幫助的地方。”

Erin Lin 教授解釋說:“幾十年來,炸彈坑周邊長滿草和灌木,會受到侵蝕,所有這些都會改變炸彈坑的形狀和外觀。”而研究人員開發的計算機算法,考慮了炸彈坑的新特征,包括形狀、顏色、紋理和大小。與傳統方法相比,該方法將真正的炸彈檢測提高了 160% 以上。

研究人員還獲得了解密后的軍事數據,這些數據表明,在本研究分析的區域內投放了 3205 枚炸彈。這些信息與排雷報告和研究結果相結合,表明該地區仍有大約 1405 到 1618 枚未爆炸的地毯炸彈未被發現,大約是投向那里的炸彈的 44% 到 50%。

而且這項研究涉及的大部分土地都是農業用地,這意味著當地農民有遭受炸彈爆炸的危險,危險并不是假設而是真實存在的。

研究人員援引聯合國的一份報告,該報告批評柬埔寨國家排雷機構把重點放在有未爆地雷的風險最小或沒有地雷的地區,從而展現了迅速進展的景象。

Erin Lin 教授表示:“排雷的過程既昂貴又費時,但是我們的模型可以幫助確定應首先排雷的高風險地區。”

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 探測器
    +關注

    關注

    14

    文章

    2619

    瀏覽量

    72911
  • 算法
    +關注

    關注

    23

    文章

    4599

    瀏覽量

    92643
  • 機器學習
    +關注

    關注

    66

    文章

    8377

    瀏覽量

    132408
收藏 人收藏

    評論

    相關推薦

    什么是機器學習?通過機器學習方法能解決哪些問題?

    計算機系統自身的性能”。事實上,由于“經驗”在計算機系統主要以數據的形式存在,因此機器學習需要設法對數據進行分析學習,這就使得它逐漸成為智能數據分析技術的創新源之一,
    的頭像 發表于 11-16 01:07 ?227次閱讀
    什么是<b class='flag-5'>機器</b><b class='flag-5'>學習</b>?通過<b class='flag-5'>機器</b><b class='flag-5'>學習</b>方法能解決哪些問題?

    NPU與機器學習算法的關系

    在人工智能領域,機器學習算法是實現智能系統的核心。隨著數據量的激增和算法復雜度的提升,對計算資源的需求也在不斷增長。NPU作為一種專門為深度學習機器
    的頭像 發表于 11-15 09:19 ?306次閱讀

    eda在機器學習的應用

    機器學習項目中,數據預處理和理解是成功構建模型的關鍵。探索性數據分析(EDA)是這一過程不可或缺的一部分。 1. 數據清洗 數據清洗 是機器學習
    的頭像 發表于 11-13 10:42 ?169次閱讀

    魯棒性在機器學習的重要性

    金融風險評估。這些應用場景對模型的魯棒性提出了極高的要求。 魯棒性的定義 魯棒性通常被定義為系統在面對不確定性和變化時仍能保持其功能的能力。在機器學習,這意味著即使輸入數據包含錯誤、噪聲或被故意篡改,模型
    的頭像 發表于 11-11 10:19 ?211次閱讀

    當尋呼機變“定時炸彈”:如何防范電子設備被惡意篡改

    又該如何抵御電子設備被惡意利用的風險,保護設備免受授權的訪問和網絡攻擊。尋呼機如何造成爆炸性傷害根據外媒報道,爆炸的尋呼機型號為阿波羅AR-924型,且這些設備在
    的頭像 發表于 09-24 10:00 ?304次閱讀
    當尋呼機變“定時<b class='flag-5'>炸彈</b>”:如何防范電子設備被惡意篡改

    【「時間序列與機器學習」閱讀體驗】+ 簡單建議

    這本書以其系統性的框架和深入淺出的講解,為讀者繪制了一幅時間序列分析與機器學習融合應用的宏偉藍圖。作者不僅扎實地構建了時間序列分析的基礎知識,更巧妙地展示了機器學習如何在這一領域發揮巨
    發表于 08-12 11:21

    機器學習的數據分割方法

    機器學習,數據分割是一項至關重要的任務,它直接影響到模型的訓練效果、泛化能力以及最終的性能評估。本文將從多個方面詳細探討機器學習
    的頭像 發表于 07-10 16:10 ?1312次閱讀

    如何理解機器學習的訓練集、驗證集和測試集

    理解機器學習的訓練集、驗證集和測試集,是掌握機器學習核心概念和流程的重要一步。這三者不僅構成了模型學習
    的頭像 發表于 07-10 15:45 ?3211次閱讀

    機器學習的數據預處理與特征工程

    機器學習的整個流程,數據預處理與特征工程是兩個至關重要的步驟。它們直接決定了模型的輸入質量,進而影響模型的訓練效果和泛化能力。本文將從數據預處理和特征工程的基本概念出發,詳細探討這兩個步驟的具體內容、方法及其在
    的頭像 發表于 07-09 15:57 ?300次閱讀

    深度學習在工業機器視覺檢測的應用

    隨著深度學習技術的快速發展,其在工業機器視覺檢測的應用日益廣泛,并展現出巨大的潛力。工業機器視覺檢測是工業自動化領域的重要組成部分,通過圖像處理和計算機視覺技術,實現對產品表面缺陷、
    的頭像 發表于 07-08 10:40 ?974次閱讀

    機器學習在數據分析的應用

    隨著大數據時代的到來,數據量的爆炸性增長對數據分析提出了更高的要求。機器學習作為一種強大的工具,通過訓練模型從數據中學習規律,為企業和組織提供了更高效、更準確的數據分析能力。本文將深入
    的頭像 發表于 07-02 11:22 ?544次閱讀

    深度學習與傳統機器學習的對比

    在人工智能的浪潮機器學習和深度學習無疑是兩大核心驅動力。它們各自以其獨特的方式推動著技術的進步,為眾多領域帶來了革命性的變化。然而,盡管它們都屬于
    的頭像 發表于 07-01 11:40 ?1191次閱讀

    機器學習的經典算法與應用

    關于數據機器學習就是喂入算法和數據,讓算法從數據尋找一種相應的關系。Iris鳶尾花數據集是一個經典數據集,在統計學習
    的頭像 發表于 06-27 08:27 ?1576次閱讀
    <b class='flag-5'>機器</b><b class='flag-5'>學習</b>的經典算法與應用

    機器學習8大調參技巧

    今天給大家一篇關于機器學習調參技巧的文章。超參數調優是機器學習例程的基本步驟之一。該方法也稱為超參數優化,需要搜索超參數的最佳配置以實現最
    的頭像 發表于 03-23 08:26 ?565次閱讀
    <b class='flag-5'>機器</b><b class='flag-5'>學習</b>8大調參技巧

    如何使用TensorFlow構建機器學習模型

    在這篇文章,我將逐步講解如何使用 TensorFlow 創建一個簡單的機器學習模型。
    的頭像 發表于 01-08 09:25 ?914次閱讀
    如何使用TensorFlow構建<b class='flag-5'>機器</b><b class='flag-5'>學習</b>模型