災害対応のためのソーシャルメディア画像の手作り特徴に基づく分析

災害時にソーシャルメディアで共有される画像は、関係当局が迅速な状況認識を得て、損害を推定するのに役立ちます。このようなコンテンツの量と速度は通常高いため、関連性のない画像のリアルタイムフィルタリングと損害評価は、より迅速な災害対応のための緊急の必要性となっています。しかし、この分野の研究は十分な関心を受けておらず、有用な情報を抽出することは依然として難しい課題です。本論文では、関連性のない画像をフィルタリングし、災害によって発生した損害を推定するためのフレームワークを提案します。このフレームワークは、ソーシャルメディア画像データを分析するために手作りの特徴記述子の融合に依存しています。提案されたフレームワークの性能は、既存の手作りおよび学習された特徴記述子と比較されています。結果は、提案されたフレームワークが87.8％（精度89.6％、再現率90.4％、F1スコア90.0％）の精度で関連性のない画像をフィルタリングし、76.9％（精度86.8％、再現率83.8％、F1スコア84.8％）の精度で災害の深刻度を推定できることを示しています。提案されたフレームワークの堅牢性と一般化能力を評価するために、最先端技術と比較しました。さらに、提案されたフレームワークは、同等の精度を達成しながら、深層学習モデルよりも計算コストが低くなります。私たちは、提案されたフレームワークがソーシャルメディアプラットフォームと統合され、関連性のない画像をフィルタリングし、災害の致命的な影響を評価できると信じています。