社交媒体与影像分析
原文链接: https://www.nv5geospatialsoftware.com/Learn/Blogs/Blog-Details/social-media-and-image-analysis
18992 文章评分:
5.0
社交媒体与影像分析
匿名作者 2014年2月25日，星期二
如今可获取的数据流规模令人震惊。为挖掘新颖且发人深省的指标，人们正以越来越多的方式开采社交媒体。从某些角度看，我将遥感视为其自身的社交媒体流——每个像素都在向世界“发布”信息：它是绿色还是蓝色？是否发生了变化？是否影响了相邻像素？像素群可构成对象，而这些对象也可宣告自身存在（“嘿，我是绿草”）或变化（“我上周还是枯草，但现在变绿了”）。通过时间序列采集，这类信息可形成可预测的演化轨迹，例如：“我曾是枯草，而后变成植被，接着枯萎，之后再次返青。”若我们尝试对此像素建模，它将可预测地再次枯萎。每个像素、对象、影像都在诉说——而社交媒体世界也能为影像提供注解。地理标记图片、推文、天气信息、政治事件和政策变化，都可作为影像所含信息的附加内容进行标记。借助这些信息，对周遭世界进行建模和预测的能力将变得无限可能。
影像可像社交媒体一样被视为非结构化信息——它是拼图的另一块碎片，其形态可能符合也可能不符合预设模式。试想能够用哈希标签挖掘影像：特定物体的出现会触发一个标签，某区域的变化会触发另一类标签。SkyBox、Urthecast和Planet Labs等机构提供了大量新的高分辨率影像源——尤其是视频组件。但所有这些数据都真的有趣吗？能否仅从这些及其他传感器数据中搜索有趣的内容，并依此信息进行分类编目？安全分析领域存在一个极端案例：以帝国大厦为例——每天采集的影像、几段视频，展示着人们的来来往往。建筑物本身并无变化。安全分析师感兴趣的变化，会是突然出现任何大于一平方英尺的箱状物体。一旦这种变化发生，先前仅显示一致性的影像便突然因展现了变化而具有价值。当变化发生时，变化会被标记并传递。这一概念类似于一个人不断发推文说“我正坐在沙发上”。这本身并不有趣，直到“坐在沙发上”变成“我的房子着火了，火势正在蔓延至其他房屋 #Boulder”。
我在GNIP博客上读到一篇关于提供数据科学硕士学位的文章 https://blog.gnip.com/data-science-masters/。GNIP是一家专门为社交媒体信息流提供API的组织。遥感在许多方面已经解决了作为一个科学家（例如研究植物学现象）所需面对的困难——这类科学家需要数学技能、计算机科学技能和可视化技能，才能使用植物学家可用的所有工具。遥感领域凭借其学科特性，能够为大数据世界贡献良多，但它也必须成为接收端——整合来自自身外部的数据。社区遥感（CRS）并非新概念。Annelie Schoenmaker的这篇文章 将CRS定义为：“一种将遥感与公民科学、社交网络和众包相结合的位置技术，用以增强从传统来源获得的数据。它包括通过这些社区方式收集、校准、分析、传播或应用遥感信息。”目前，遥感大数据从业者与其他大数据从业者可能在会议上交流，但两者间的联系仍在建立之中。
随着来自Twitter和其他社交媒体源的数据流变得可挖掘，能够从影像中发现的上下文信息是无限的；关键在于提出正确的问题。遥感、地球科学、国防与情报领域应向社交媒体提出哪些问题，以增强影像中已有的信息？这些信息能否用于预测接下来将发生什么，或从鉴证角度理解刚发生的事件？遥感界有哪些人在思考这个问题？如何促进这些联系？影像分析软件需要如何与社交媒体信息流集成？如果我有更多想法，我会发推文。我的请求是：你也这样做。@asoconnor