CrowdNAS：面向灾害损失评估的众包引导神经架构搜索方法

视频

DOI

灾害损失评估已成为灾害响应和管理中的重要应用，旨在通过利用人工智能（如深度学习）技术检查灾害事件期间社交媒体上发布的图像数据来评估受影响区域损害严重程度。本研究聚焦于灾害损失评估中的众包引导神经架构搜索问题。我们的目标是利用众包系统的人类智能来指导设计空间中最佳神经网络架构的发现，以实现令人满意的损害评估性能。我们的研究动机在于当前灾害损失评估解决方案中的深度神经网络架构主要由人工智能专家设计，这既耗时又容易出错。解决我们的问题存在两个关键的技术挑战：i) 难以设计一个可管理的众包解决方案的神经架构搜索空间；ii) 将不完美的众包知识转化为识别灾害损失评估应用最佳神经网络架构的有效决策并非易事。为了应对上述挑战，我们开发了CrowdNAS，这是一个众包引导的神经架构搜索框架，开发了受人工智能、众包和估计理论启发的新技术来解决神经架构搜索问题。两个真实世界灾害损失评估应用的评估结果表明，CrowdNAS在保持低计算成本的同时，通过在各种评估场景中获得最高分类精度，始终优于最新的人工智能仅、众包-人工智能和神经架构搜索基线方法。