Desk-AId: Humanitarian Aid Desk Assessment with Geospatial AI for Predicting Landmine Areas

要約

地域の除去、つまり地雷除去のプロセスは、潜在的な危険地域を評価して優先順位を付けることから始まり（つまり、机上評価）、専門家の徹底的な調査を受け、リスクを確認して地雷除去作業を進めます。
本稿では、地理空間データや社会経済情報を用いて地雷リスクを推定し、机上の評価段階を支援するDesk-AIdについて紹介する。
Desk-AId は、地雷に特化した地理空間 AI アプローチを使用します。
このアプローチには、混合データのサンプリング戦略と、歴史的な紛争や主要なマルチドメイン施設 (建物、道路、医療施設など) によるコンテキストの強化が含まれます。
提案されたシステムは、危険領域の近くでネガティブ ポイントがサンプリングされる新しいハード ネガティブ データ サンプリング戦略を実装することにより、確認された危険領域のグラウンド トゥルースしか存在しないという問題に対処します。
実験では、地雷リスク評価のための 2 つの領域 (1) 全国、2) 地図に載っていない調査地域) で Desk-Aid を検証します。
提案されたアプローチでは、RandomForest (RF)、フィードフォワード ニューラル ネットワーク (FNN)、グラフ ニューラル ネットワーク (GNN) などのさまざまな分類モデルの推定精度が最大 92% 向上します。

要約(オリジナル)

The process of clearing areas, namely demining, starts by assessing and prioritizing potential hazardous areas (i.e., desk assessment) to go under thorough investigation of experts, who confirm the risk and proceed with the mines clearance operations. This paper presents Desk-AId that supports the desk assessment phase by estimating landmine risks using geospatial data and socioeconomic information. Desk-AId uses a Geospatial AI approach specialized to landmines. The approach includes mixed data sampling strategies and context-enrichment by historical conflicts and key multi-domain facilities (e.g., buildings, roads, health sites). The proposed system addresses the issue of having only ground-truth for confirmed hazardous areas by implementing a new hard-negative data sampling strategy, where negative points are sampled in the vicinity of hazardous areas. Experiments validate Desk-Aid in two domains for landmine risk assessment: 1) country-wide, and 2) uncharted study areas). The proposed approach increases the estimation accuracies up to 92%, for different classification models such as RandomForest (RF), Feedforward Neural Networks (FNN), and Graph Neural Networks (GNN).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google