社群媒體(social media)的興起，使得人們獲取資訊的管道及彼此溝通方式產生極大的變化。當災害發生時，社群媒體在即時資訊的收集及傳達、資源動員、及社會援助上也扮演了極為重要的角色，其中有關於即時災害資訊的收集方面，在傳統媒體尚未全面報導之前，受災民眾即可透過社群媒體分享現場狀況或求救訊息等，使救災單位更快掌握災情並展開救援行動。在眾多災害資訊中，最重要的即為災害發生的地點。一般社群媒體主要透過文字、影像及影音等形式傳遞訊息，本研究主要針對影像資料進行分析，以從中獲得災害發生的地理位置。針對台灣街景的特性，本研究提出從街頭廣告招牌上的電話號碼收集相對應的地理位置，整體架構包含實驗影像蒐集、以深度學習(deep learning)技術進行電話號碼偵測、以及利用Google Maps API獲取地理坐標等（圖一）。在深度學習方法中，除了使用街景門牌號碼資料集(SVHN)之外，亦自行收集台灣廣告招牌上的電話號碼影像作為訓練資料，所採用深度學習方法為RetinaNet 物件偵測演算法。實驗結果顯示，單一數字偵測的平均精確度(mean Average Precision, mAP)達82% (0.8248)，F1-score 則高達91.2%(圖二)。將數字組成電話號碼之後，即可透過Google Maps API獲取空間坐標(圖三)。實驗結果證明了我們所提出方法的有效性，且可以用於不同類型的災害事件如地震、淹水等的空間定位，以改善災情即時感知、災害評估、救援規劃等，及提升災害管理效能。（土木系徐百輝教授提供） 圖一、本研究所提研究架構及使用方法。 圖二、廣告招牌電話號碼偵測結果。 圖三、以本研究對實際災害照片進行地理坐標定位之結果。
社群媒體(social media)的興起，使得人們獲取資訊的管道及彼此溝通方式產生極大的變化。當災害發生時，社群媒體在即時資訊的收集及傳達、資源動員、及社會援助上也扮演了極為重要的角色，其中有關於即時災害資訊的收集方面，在傳統媒體尚未全面報導之前，受災民眾即可透過社群媒體分享現場狀況或求救訊息等，使救災單位更快掌握災情並展開救援行動。在眾多災害資訊中，最重要的即為災害發生的地點。一般社群媒體主要透過文字、影像及影音等形式傳遞訊息，本研究主要針對影像資料進行分析，以從中獲得災害發生的地理位置。針對台灣街景的特性，本研究提出從街頭廣告招牌上的電話號碼收集相對應的地理位置，整體架構包含實驗影像蒐集、以深度學習(deep learning)技術進行電話號碼偵測、以及利用Google Maps API獲取地理坐標等（圖一）。在深度學習方法中，除了使用街景門牌號碼資料集(SVHN)之外，亦自行收集台灣廣告招牌上的電話號碼影像作為訓練資料，所採用深度學習方法為RetinaNet 物件偵測演算法。實驗結果顯示，單一數字偵測的平均精確度(mean Average Precision, mAP)達82% (0.8248)，F1-score 則高達91.2%(圖二)。將數字組成電話號碼之後，即可透過Google Maps API獲取空間坐標(圖三)。實驗結果證明了我們所提出方法的有效性，且可以用於不同類型的災害事件如地震、淹水等的空間定位，以改善災情即時感知、災害評估、救援規劃等，及提升災害管理效能。（土木系徐百輝教授提供）
圖一、本研究所提研究架構及使用方法。
圖二、廣告招牌電話號碼偵測結果。
圖三、以本研究對實際災害照片進行地理坐標定位之結果。