Vrbagged-net: modelo de aprendizaje profundo basado en conjunto para la clasificación de eventos de desastres
Autores: Hanif, Muhammad; Tahir, Muhammad Atif; Rafi, Muhammad
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Vrbagged-net: modelo de aprendizaje profundo basado en conjunto para la clasificación de eventos de desastres
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Inundación
Redes sociales
MediaEval
VRBagged-Net
Conjuntos de datos
Aprendizaje profundo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 26
Citaciones: Sin citaciones
Una inundación es un desbordamiento de agua que inunda tierras secas. Los efectos más graves de las inundaciones son la pérdida de vidas humanas y las pérdidas económicas. Una advertencia temprana de estos eventos puede ser muy efectiva para minimizar las pérdidas. Sitios web de redes sociales como Twitter y Facebook son bastante efectivos en la difusión eficiente de información pertinente a cualquier emergencia. Los usuarios en estos sitios de redes sociales comparten tanto contenido textual como imágenes y videos enriquecidos. El Benchmark de Evaluación Multimedia (MediaEval) ofrece desafíos en forma de tareas compartidas para desarrollar y evaluar nuevos algoritmos, enfoques y tecnologías para exploraciones y explotaciones de multimedia en la toma de decisiones para problemas en tiempo real. Desde 2015, el MediaEval ha estado llevando a cabo una tarea compartida de predicción de varios aspectos de las inundaciones y a través de estas tareas compartidas, se han observado muchas mejoras. En este documento, se propone e implementa el marco de clasificación VRBagged-Net para la clasificación de inundaciones. El marco utiliza los modelos de aprendizaje profundo Visual Geometry Group (VGG) y Redes Residuales (ResNet), junto con la técnica de Agregación Bootstrap (Bagging). Se seleccionaron varios conjuntos de datos basados en desastres para la validación del marco VRBagged-Net. Todos los conjuntos de datos pertenecen al Taller de Evaluación de MediaEval, esto incluye Recuperación de Imágenes de Desastres de Redes Sociales (DIRSM), Clasificación de Inundaciones para Multimedia Social (FCSM) y Desambiguación de Temas de Noticias Basadas en Imágenes (INTD). VRBagged-Net tuvo un desempeño alentador en todos estos conjuntos de datos con tareas ligeramente diferentes pero relevantes. Produce un Promedio de Precisión Medio en diferentes niveles del 98.12, y una Precisión Promedio en 480 de 93.64 en DIRSM. En el conjunto de datos FCSM, produce un puntaje F1 de 90.58. Además, el marco se ha aplicado en el conjunto de datos de Desambiguación de Temas de Noticias Basadas en Imágenes (INTD), y supera el resultado anterior mejorando con una evaluación F1 de 93.76. El VRBagged-Net con una ligera modificación también ocupó el primer lugar en la Tarea Multimedia relacionada con inundaciones en el Taller MediaEval 2020.
Descripción
Una inundación es un desbordamiento de agua que inunda tierras secas. Los efectos más graves de las inundaciones son la pérdida de vidas humanas y las pérdidas económicas. Una advertencia temprana de estos eventos puede ser muy efectiva para minimizar las pérdidas. Sitios web de redes sociales como Twitter y Facebook son bastante efectivos en la difusión eficiente de información pertinente a cualquier emergencia. Los usuarios en estos sitios de redes sociales comparten tanto contenido textual como imágenes y videos enriquecidos. El Benchmark de Evaluación Multimedia (MediaEval) ofrece desafíos en forma de tareas compartidas para desarrollar y evaluar nuevos algoritmos, enfoques y tecnologías para exploraciones y explotaciones de multimedia en la toma de decisiones para problemas en tiempo real. Desde 2015, el MediaEval ha estado llevando a cabo una tarea compartida de predicción de varios aspectos de las inundaciones y a través de estas tareas compartidas, se han observado muchas mejoras. En este documento, se propone e implementa el marco de clasificación VRBagged-Net para la clasificación de inundaciones. El marco utiliza los modelos de aprendizaje profundo Visual Geometry Group (VGG) y Redes Residuales (ResNet), junto con la técnica de Agregación Bootstrap (Bagging). Se seleccionaron varios conjuntos de datos basados en desastres para la validación del marco VRBagged-Net. Todos los conjuntos de datos pertenecen al Taller de Evaluación de MediaEval, esto incluye Recuperación de Imágenes de Desastres de Redes Sociales (DIRSM), Clasificación de Inundaciones para Multimedia Social (FCSM) y Desambiguación de Temas de Noticias Basadas en Imágenes (INTD). VRBagged-Net tuvo un desempeño alentador en todos estos conjuntos de datos con tareas ligeramente diferentes pero relevantes. Produce un Promedio de Precisión Medio en diferentes niveles del 98.12, y una Precisión Promedio en 480 de 93.64 en DIRSM. En el conjunto de datos FCSM, produce un puntaje F1 de 90.58. Además, el marco se ha aplicado en el conjunto de datos de Desambiguación de Temas de Noticias Basadas en Imágenes (INTD), y supera el resultado anterior mejorando con una evaluación F1 de 93.76. El VRBagged-Net con una ligera modificación también ocupó el primer lugar en la Tarea Multimedia relacionada con inundaciones en el Taller MediaEval 2020.