DeepEye – Deep Learning für Katastrophenschutz und Krisenmanagement

Bilder
Naturkatastrophen wie Erdbeben, Waldbrände, Erdrutsche oder Hochwasser verursachen zunehmend erhebliche Zerstörungen in der ganzen Welt. Aus einem Bericht der UN geht hervor, dass Naturkatastrophen jährlich 300 Milliarden Dollar an wirtschaftlichen Schäden hervorrufen. Prognosemodelle und präventive Maßnahmen sowie Lösungen für das Krisenmanagement sind von besonders großer Bedeutung für den Zivilschutz, Rettungskräfte, humanitäre Hilfsorganisationen und Versicherungsunternehmen.

Satelliten und Flugzeuge liefern geographische Informationen, mit deren Hilfe sich Katastrophen vorhersagen lassen oder die im Katastrophenfall zur Bewältigung beitragen. Da Satelliten oft mehrere Tage brauchen, bis sie einen bestimmten Ort wieder überfliegen, fallen die Informationen zu selten an und sind in der akuten Situation nicht aktuell genug. Hochaktuell hingegen sind Informationen, die über Soziale Medien von den Personen vor Ort in den betroffenen Regionen veröffentlicht werden.

Das Projekt DeepEye, stellt sich der Herausforderung, Naturkatastrophen in Satellitenbildern zu erkennen und die so gewonnenen Informationen mit Multimediainhalten aus den Sozialen Medien anzureichern.

In einem ersten Schritt greift das System dabei auf die Daten des NASA-Satelliten Landsat8 zurück. Eine Bildanalyse kombiniert die unterschiedlichen Spektralbänder der Satellitendaten und extrahiert die geographischen Bereiche, die von einer Naturkatastrophe betroffen sind. Der Fokus von DeepEye liegt zur Zeit auf der Erkennung von Waldbränden und wird in Zukunft sukzessive um die Handhabung weiterer Naturkatastrophen erweitert. Mit Hilfe der extrahierten geographischen Positionen werden in einem zweiten Schritt relevante Medieninhalte über das Ereignis von der Micro-Blogging Plattform Twitter gesammelt. In einer multimodalen Analyse werden mittels verschiedener Methoden des Maschinellen Lernens wie Convolutional Neural Networks relevante Informationen aus Text-, Bild- und Meta-Daten extrahiert. Der Fokus der Analyse liegt in der Extraktion von kontextuellen Aspekten, um eine umfangreiche und vollständige Sicht auf ein bestimmtes Ereignis zu erhalten. Diese aufbereiteten Daten können im Rahmen des Krisenmanagements eingesetzt werden, beispielsweise für die Koordination der Rettungskräfte in situ.

Mit der Kombination aus Satellitendaten und Multimediainhalten aus Sozialen Medien zielt DeepEye auf den nächsten Schritt im Krisenmanagement ab: Detaillierte Darstellungen von Naturkatastrophen anhand der Fusion unterschiedlicher Informationskanäle.

 

 

Weitere Informationen
http://dl.dfki.de

 

Kontakt
Dr. Damian Borth
Leiter Kompetenzzentrum Deep Learning
Smarte Daten & Wissensdienste
E-Mail: Damian.Borth@dfki.de
Tel.: +49 631 20575 4184