穆罕默德Korayem Haipeng张,大卫•克兰德尔,格雷琴LeBuhn
Flickr和Twitter等社交网站的流行创造了巨大的在线用户生成内容的集合。潜伏在这些内容集合是对世界的看法:每张照片的视觉快照是世界上看起来就像在一个特定的时间点和空间,例如,虽然每个tweet是文本的表达一个人的状态和他或她的环境。聚合这些观察在数以百万计的社交分享用户可能会导致新技术大规模监控状态的世界,以及它是如何随时间变化。在本文中,我们朝着这个目标一步,显示通过分析地理标记的标签和图像特征,带时间戳的照片我们可以测量和量化生态现象的发生,包括地面积雪,降雪和植被密度。我们比较几种处理技术很大程度上噪声的数据集,并展示如何使用机器学习来减少错误造成的误导性标签和模棱两可的视觉内容。我们评估这些技术的准确性通过对比地面实况数据收集两个地面气象站和地球观测卫星。除了直接应用生态学,我们的研究提供了一些见解如何准确地从大中文网其他类型的信息,嘈杂的社会共享数据集。
更多细节,请参阅我们的WWW 2012和从我们的WWW演讲幻灯片。
视频
样例视频显示外观估计产生的Flickr照片分析本文中描述。绿色表示高概率的表象,灰色和黑色显示低区域(一些照片或模棱两可的证据)。
 蝴蝶 |
 叶子 |
 蜻蜓 |
 雪 |
媒体报道
雪拍给你更好的天气情况:
结果
照片由不同的人(几乎)独立观察,与不相关的噪声
估计每日个别城市的积雪
估计每日雪个别城市的数量
| 费城 | 波士顿 | 纽约 | 芝加哥 | |
| 均方根误差(英寸) | 1.44 | 1.26 | 1.15 | 1.06 |
估计积雪在每天每个地方在北美
- 为每个地理本大小1°x 1°(~ 3500万总决定)
- 使用从Terra卫星地面实况数据
论文和演讲
助理条目:
@inproceedings {snow2013iccvw,
作者= {Jingya小王和穆罕默德Korayem和大卫•克兰德尔},
title ={观察自然世界与{F} lickr},
booktitle ={计算机视觉国际会议上车间对计算机视觉融合角度},
年= {2013}
}
@inproceedings {ecology2012www,
作者= {Haipeng张和穆罕默德Korayem和大卫•克兰德尔和格雷琴LeBuhn},
title ={矿业照片共享网站研究生态现象},
booktitle ={国际会议万维网(WWW)},
年= {2012}
}
确认
我们感谢教授Michael Trosset讨论线性回归模型。我们也感激地承认以下的支持:
 |
 |
 |
 |
| 礼来养老 | 国际单位数据洞察力中心 | 国家科学基金会 | IBM |