講演名 2018-05-14
twitter投稿画像を用いた屋内外被害の機械分類にかかる基礎研究
井ノ口 宗成(富山大), 今井 淳(NTTデータCCS),
PDFダウンロードページ PDFダウンロードページへ
抄録(和) 近年ではスマートホンの普及およびSNSの利用拡大にともない、災害発生後において被災者自身が様々な情報をSNSに投稿する。一方で、災害対応に必要な情報収集は、行政が独自に実施する場合が多く、SNS等の情報が有益に利用されていないのも実態である。本研究では、熊本地震を事例として、災害発生前後のSNS(twitter)の投稿データ5,853件をもとに、被害状況を表す情報を機械学習・機械分類によって抽出できるかについて検討した。とくに、本研究では文字データではなく、写真データ5,684件に焦点をあて、「屋内被害」「屋外被害」の分類可能性について評価した。まず、目視判読により写真データを「屋内被害」「家屋倒壊等の屋外被害」「道路被害」に分類し、それを教師データとして機械に学習させた。その後、ランダムに抽出した224件の写真データを機械に分類させた結果、屋内被害については83.7%、屋外被害(家屋倒壊・道路被害を含む)については93.1%の精度で写真を抽出した。その一方で、ノイズとなる不要な画像を排除した割合は、屋内被害で87.8%、屋外被害で73.8%という高い精度が確認された。
抄録(英) Recently most people utilize smart-phone and post some information into social media such as Twitter and Facebook. Following this situation, much information relating to damage can be published by affected people in social medias. In those information, there could be many photos which represent actual indoor-damage and outdoor-damage. In order to retrieve damage information from photos posted in social media, we tried to utilize “Machine Classification” technology based on actual posted twitter data at 2016 Kumamoto Earthquake. First, we gathered twitter data tweeted in Kumamoto area with photos and geolocation, which amount was 5,853. Then, we retrieve 5,684 photos from those tweets, and we classified them into “indoor damage”, “building damage (outdoor damage)” and “road damage (outdoor damage)” as teacher data. The machine learned those teacher data in deep-learning method, and the machine tried to classify random-sampled photos into “indoor-damage” or “outdoor-damage”. We verified those result, and we found that over 80% photos can be classified adequately by machine classification without specified customization.
キーワード(和) 機械分類 / 深層学習 / 被害状況 / ソーシャルメディア
キーワード(英) Machine Classification / Deep Learning / Damage Situation / Social Media
資料番号 ICTSSL2018-1,ASN2018-1
発行日 2018-05-07 (ICTSSL, ASN)

研究会情報
研究会 ASN / ICTSSL
開催期間 2018/5/14(から2日開催)
開催地(和) 広島市立大学
開催地(英) Hiroshima City Univ.
テーマ(和) 知的環境,防災・減災,ポスターセッション及び一般
テーマ(英) Ambient intelligence, safe and secure life, poster session, etc.
委員長氏名(和) 岡田 啓(名大) / 岡田 和則(NICT)
委員長氏名(英) Hiraku Okada(Nagoya Univ.) / Kazunori Okada(NICT)
副委員長氏名(和) 塩川 茂樹(神奈川工科大) / 中澤 仁(慶大) / 山野 悟(NEC) / 田村 裕(中大) / 中野 敬介(新潟大)
副委員長氏名(英) Shigeki Shiokawa(KAIT) / Jin Nakazawa(Keio Univ.) / Satoru Yamano(NEC) / Hiroshi Tamura(Chuo Univ.) / Keisuke Nakano(Niigata Univ.)
幹事氏名(和) 大和田 泰伯(NICT) / 萬代 雅希(上智大) / 川上 博(NTTドコモ) / 井ノ口 宗成(静岡大)
幹事氏名(英) Yasunori Owada(NICT) / Masaki Bandai(Sophia Univ.) / Hiroshi Kawakami(NTT DoCoMo) / Munenari Inoguchi(Shizuoka Univ.)
幹事補佐氏名(和) 間 博人(同志社大) / 大田 知行(広島市立大) / 菊月 達也(富士通研) / 中野 亮(日立) / 堀田 善文(三菱電機) / 佐藤 翔輔(東北大) / 和田 友孝(関西大) / 宮北 和之(新潟大)
幹事補佐氏名(英) Hiroto Aida(Doshisha Univ.) / Tomoyuki Ota(Hiroshima City Univ.) / Tatsuya Kikuzuki(Fujitu Lab.) / Ryo Nakano(HITACHI) / Yoshifumi Hotta(Mitsubishi Electric) / Shosuke Sato(Tohoku Univ.) / Tomotaka Wada(Kansai Univ.) / Kazuyuki Miyakita(Niigata Univ.)

講演論文情報詳細
申込み研究会 Technical Committee on Ambient intelligence and Sensor Networks / Technical Committee on Information and Communication Technologies for Safe and Secure Life
本文の言語 JPN
タイトル(和) twitter投稿画像を用いた屋内外被害の機械分類にかかる基礎研究
サブタイトル(和) 2016年熊本地震を事例として
タイトル(英) Fundamental Research about Machine Classification of Twitter Images into Damage Types
サブタイトル(和) A Case Study of 2016 Kumamoto Earthquake
キーワード(1)(和/英) 機械分類 / Machine Classification
キーワード(2)(和/英) 深層学習 / Deep Learning
キーワード(3)(和/英) 被害状況 / Damage Situation
キーワード(4)(和/英) ソーシャルメディア / Social Media
第 1 著者 氏名(和/英) 井ノ口 宗成 / Munenari Inoguchi
第 1 著者 所属(和/英) 富山大学(略称:富山大)
University of Toyama(略称:Toyama Univ.)
第 2 著者 氏名(和/英) 今井 淳 / Atsushi Imai
第 2 著者 所属(和/英) 株式会社NTTデータCCS(略称:NTTデータCCS)
NTT DATA CCS CORPORATION(略称:NTT Data CCS)
発表年月日 2018-05-14
資料番号 ICTSSL2018-1,ASN2018-1
巻番号(vol) vol.118
号番号(no) ICTSSL-26,ASN-27
ページ範囲 pp.1-4(ICTSSL), pp.1-4(ASN),
ページ数 4
発行日 2018-05-07 (ICTSSL, ASN)