Ci2Lab
  • Forskning
  • Team
  • Prosjekter
  • Nyheter
  • Publikasjoner
  • Prof. Arghandeh
ENNO
Kontakt
Ci2Lab

Connectivity, Information & Intelligence Lab

HVL — Western Norway University of Applied Sciences
Utforsk
  • Forskning
  • Team
  • Prosjekter
  • Nyheter
  • Publikasjoner
  • Prof. Arghandeh
Andre steder
  • Google Scholar ↗
  • LinkedIn ↗
  • X / Twitter ↗
  • HVL Data Science Group ↗
Ci2Lab
© Connectivity, Information & Intelligence LabPersonvernBergen · Norge
Forskning · 02 / 07

DisasterView

Vurdering av katastrofeskader med høyoppløselige satellittbilder
Tilbake til forskning
KatastrofehåndteringSAROrkanerDyp læring
Fig. 02Klikk for å forstørre

DisasterView er et banebrytende prosjekt som bruker kunstig intelligens og høyoppløselige satellittbilder til raskt å vurdere konsekvensene av naturkatastrofer. Gjennom avanserte maskinlæringsalgoritmer som automatisk analyserer multispektrale data og SAR-data, gir DisasterView nødetatene avgjørende og oppdatert informasjon om berørt terreng, infrastruktur og befolkning.

Rammeverket gjør det mulig å fordele begrensede ressurser mer effektivt i etterkant av katastrofer, noe som kan redde liv og gi raskere gjenoppbygging. I samarbeid med Resilient Infrastructure & Disaster Response Center (RIDER) ved Florida State University i USA har DisasterView kartlagt konsekvensene av flere orkaner i Tallahassee-området i Florida, og vist det store potensialet i KI-drevet katastrofehåndtering.

Ressurser

VideoPaper 1Paper 2Paper 3Paper 4

Partnere og støttespillere

  • RIDER Center, Florida State Universityrider.eng.famu.fsu.edu

Forrige · 01

GridEyeS

KI fra verdensrommet for overvåking av infrastruktur

Neste · 03

TreeWatcher

Klassifisering av treslag med satellittbilder