Drohnen und menschliche Einsicht: Eine lebensrettende Partnerschaft

In Notfällen schnell eine verlorene oder verletzte Person zu finden, kann den Unterschied zwischen Leben und Tod ausmachen. Mit dem Aufkommen von kleinen unbemannten Fluggeräten (sUAS), oft als Drohnen bezeichnet, hat sich die Möglichkeit, aus der Luft zu suchen, als Wendepunkt erwiesen. Allerdings ist es nicht so einfach, Menschen aus der Luft zu finden, wie es scheint. Diese Aufgabe wird durch Probleme wie Sichtbehinderungen, bekannt als Okklusion, und die Tatsache, dass Menschen aus der Ferne ziemlich klein und unscharf erscheinen können, kompliziert.

Menschen, die diese Drohnen steuern, könnten nach langen Suchstunden müde werden. Diese Erschöpfung, kombiniert mit einer begrenzten Anzahl von Bedienern, macht Technologie zu einem wichtigen Verbündeten. Wenn Drohnen mit Computer Vision-Funktionen ausgestattet werden, können Einsatzkräfte ihre Suchbemühungen verbessern und menschliche Ressourcen für andere wichtige Aufgaben freisetzen.

#Herausforderungen bei der Luftdetektion

Obwohl Drohnen das Potenzial haben, bei Such- und Rettungsmissionen erheblich zu helfen, haben ihre Computer Vision-Systeme oft Schwierigkeiten mit den realen Bedingungen. Zum Beispiel, wenn die Sicht eingeschränkt oder die Auflösung niedrig ist, sinkt die Fähigkeit der Drohnen, Personen zu erkennen. Das macht es schwierig für die Technologie, in herausfordernden Umgebungen gut abzuschneiden, wo schnelle Entscheidungen wichtig sind.

Stell dir vor, du versuchst, einen Freund in einem überfüllten Park aus der Luft zu entdecken. Du könntest es schwer haben, wenn Bäume oder andere Leute deine Sicht versperren. Das ist ziemlich genau das, was Drohnen erleben, wenn sie versuchen, jemandem in einer echten Notfallsituation zu finden. Die Hindernisse können aus verschiedenen Richtungen kommen, wie Schutt nach einem Erdbeben, Rauch von einem Feuer oder einfach nur die natürliche Landschaft.

#Der Bedarf an Daten

Um die Fähigkeit von Drohnen zu verbessern, Menschen in diesen schwierigen Situationen zu finden, haben Forscher eine Menge Daten gesammelt. Sie schauten sich spezifische Bilder an und baten Freiwillige, an einer Studie teilzunehmen. Die Idee war, herauszufinden, wie Menschen Einzelpersonen in Bildern suchen, die nicht immer klar sind.

Die Forscher verwendeten einen Datensatz namens NOMAD, der Tausende von Bildern enthält, die von Drohnen aus verschiedenen Entfernungen aufgenommen wurden. In ihrer Studie schufen sie ein Experiment, bei dem die Teilnehmer gebeten wurden, eine Person in diesen Luftaufnahmen zu identifizieren. Durch die Beobachtung, wie die Teilnehmer suchten, konnten die Forscher wertvolle Einblicke in das menschliche Verhalten bei visuellen Aufgaben gewinnen.

In diesen Experimenten bewegten die Leute ihre Maus über den Bildschirm, um anzuzeigen, wo sie schauten. Informationen wie die Zeit, die sie damit verbrachten, bestimmte Bereiche zu betrachten, wurden aufgezeichnet. Das war wichtig, um zu verstehen, wie Menschen die Aufgabe angehen, jemanden aus der Luft zu erkennen.

#Die Erstellung eines Verhaltensdatensatzes

Das Forschungsteam hat viel Mühe investiert, um einen Datensatz namens Psych-ER zu erstellen, um zu analysieren, wie Menschen beim Suchen nach Einzelpersonen in Luftbildern abschneiden. Sie sammelten mehr als 5.000 Bilder aus dem NOMAD-Datensatz, bei denen jedes Bild hinsichtlich Suchgenauigkeit und Reaktionszeiten analysiert wurde. Warum so viele Details? Weil das Verständnis dafür, wie Menschen Bilder wahrnehmen und interpretieren, dabei helfen kann, die Leistung der Computer Vision-Systeme der Drohnen zu verbessern.

Der Psych-ER-Datensatz beinhaltet:

1. Daten zum menschlichen Suchverhalten aus Tausenden von Bildern, die verfolgen, wo die Teilnehmer geschaut haben und wie lange sie sich auf bestimmte Bereiche konzentrierten.
2. Einen Vergleich ihrer Auswahl mit tatsächlichen Boxmarkierungen, die anzeigten, wo die Person sein sollte.
3. Die Zeit, die jeder Teilnehmer benötigte, um für jedes Bild zu antworten.

Dieser neue Datensatz dient als Leitfaden für Computer Vision-Systeme, um aus dem menschlichen Verhalten beim Suchen nach jemandem zu lernen.

#Ein neuer Ansatz zur Verlustanpassung

In der Computer Vision bezieht sich "Verlust" auf eine Metrik, die misst, wie gut ein Modell funktioniert. Im Grunde genommen ist es eine Möglichkeit, zu verstehen, wie weit die Vorhersagen eines Computers von den tatsächlichen Ergebnissen abweichen. Durch die Anpassung der Verlustfunktion basierend auf dem menschlichen Verhalten, das im Psych-ER-Datensatz beobachtet wurde, wollten die Forscher die Fähigkeit eines Modells verbessern, Personen in Bildern zu lokalisieren.

Das Team experimentierte mit einem Modell namens RetinaNet und verwendete ihre neu angepasste Verlustfunktion. Sie fanden heraus, dass dieser Ansatz die Erkennungsleistung verbesserte, insbesondere auf grösseren Entfernungen und unter verschiedenen Okklusionslevels. Das bedeutet, dass das Modell lernte, mehr Gewicht auf die Bereiche zu legen, wo es schauen sollte, genau wie die Menschen.

#Ergebnisse und Erkenntnisse

Die Ergebnisse der Studie hob mehrere wichtige Punkte über die Nutzung von Drohnen mit Computer Vision-Funktionen in Notfällen hervor.

1. Menschliche Leistung ist besser bei Okklusion: Menschen können oft okkludierte Objekte besser erkennen als Computermodelle. Das wirft die Idee auf, dass das Training von Computer Vision-Systemen mit menschlichem Input zu besseren Ergebnissen führen könnte.

2. Wichtigkeit des Standorts über die Enge: Als Menschen gefragt wurden, eine Person in einem Bild zu finden, konzentrierten sie sich mehr darauf, die Position der Person zu identifizieren, als darum, eine perfekte Box um sie zu ziehen. Diese Erkenntnis half, die Verlustfunktion für das Computermodell so zu gestalten, dass sie priorisiert, wo die Person ist, anstatt wie eng sie umschlossen werden sollte.

#Die Rolle der Technologie in der Notfallreaktion

Die Integration von Drohnen in Notfallszenarien wird immer wichtiger. Drohnen sind nicht nur zum Selfie-Machen oder Pakete liefern da; sie können lebensrettende Werkzeuge sein, wenn es um Leben geht. Die verbesserte Fähigkeit, Personen aus der Luft zu lokalisieren, gepaart mit dem Verständnis menschlichen Verhaltens, kann die Such- und Rettungsoperationen erheblich verbessern.

Einsatzkräfte können Drohnen nutzen, um grosse Gebiete schnell abzudecken und so potenzielle Opfer oder Menschen in Not zu entdecken. Durch die Nutzung von Computer Vision, die sich auf das Verständnis stützt, wie Menschen Bilder wahrnehmen, verbessern sich die Chancen auf Erfolg beim Retten von Individuen erheblich.

#Zukünftige Richtungen

Die Forschung endet hier nicht. Die Möglichkeiten zur Verfeinerung von Computer Vision-Systemen mithilfe menschlicher Verhaltensdaten sind riesig. Zukünftige Bemühungen werden Folgendes umfassen:

• Die Analyse aller gesammelten Verhaltensdaten, um noch nützlichere Einsichten zu gewinnen.
• Die Entwicklung benutzerdefinierter Computer Vision-Modelle, die speziell auf Notfallsituationen zugeschnitten sind.
• Weitere praktische Anwendungen, um zu sehen, wie die verbesserten Modelle bei Drohnen im Einsatz abschneiden.

Mit dem Fortschritt der Technologie ist es wichtig, dass Forscher die Systeme weiterhin anpassen und verbessern, um den Bedürfnissen der Notfallhelfer gerecht zu werden.

#Fazit

Zusammenfassend lässt sich sagen, dass die Arbeit, Drohnentechnologie mit menschlichem Verständnis zu kombinieren, um Menschen in Notfällen zu suchen, entscheidend ist. Die Schaffung des Psych-ER-Datensatzes sowie die Feinabstimmung von Computer Vision-Modellen stellt einen wesentlichen Fortschritt in diesem Bereich dar. Indem wir menschliche Einsichten nutzen, können wir intelligentere Systeme schaffen, die letztlich dazu führen könnten, Leben zu retten. Schliesslich wollen wir, dass unsere Technik besser ist als die durchschnittlichen kaffeeverarmten Augen unserer Suchmannschaft, wenn es darauf ankommt!