論文の概要: Building Disaster Damage Assessment in Satellite Imagery with
Multi-Temporal Fusion
- arxiv url: http://arxiv.org/abs/2004.05525v1
- Date: Sun, 12 Apr 2020 02:06:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-14 05:21:41.214244
- Title: Building Disaster Damage Assessment in Satellite Imagery with
Multi-Temporal Fusion
- Title(参考訳): 多時期核融合による衛星画像の建物被害評価
- Authors: Ethan Weber, Hassan Kan\'e
- Abstract要約: 本稿では,問題フレーミング,データ処理,トレーニング手順に関する知見を報告する。
我々の洞察は、xBDベースラインモデルよりも大幅に改善される。
xView2チャレンジのリーダーボードでは、トップスコアの1つを得ました。
- 参考スコア(独自算出の注目度): 0.76146285961466
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatic change detection and disaster damage assessment are currently
procedures requiring a huge amount of labor and manual work by satellite
imagery analysts. In the occurrences of natural disasters, timely change
detection can save lives. In this work, we report findings on problem framing,
data processing and training procedures which are specifically helpful for the
task of building damage assessment using the newly released xBD dataset. Our
insights lead to substantial improvement over the xBD baseline models, and we
score among top results on the xView2 challenge leaderboard. We release our
code used for the competition.
- Abstract(参考訳): 衛星画像解析者による自動変化検出と災害被害評価は、現在、膨大な労力と手作業を要する手続きである。
自然災害が発生すると、タイムリーな変化検出が命を救う。
本稿では,新たにリリースしたxBDデータセットを用いた損傷評価作業において特に有用な,問題フレーミング,データ処理,トレーニング手順に関する知見を報告する。
私たちの洞察は、xbdのベースラインモデルよりも大幅に改善され、xview2 challenge leaderboardでトップ結果のうちの1つにスコアを付けました。
競争に使用されるコードをリリースします。
関連論文リスト
- xFBD: Focused Building Damage Dataset and Analysis [7.862669992685641]
我々は、元のxView2コンペティションに補助的な挑戦を提案する。
この新たな課題は、損傷がxBDよりも局所的で制限された場合のソリューションパフォーマンスを示す新しいデータセットとメトリクスである。
この課題に成功する方法は、元のxView2ソリューションよりもきめ細かな、正確な損傷情報を提供する。
論文 参考訳(メタデータ) (2022-12-23T21:01:18Z) - Self-Supervised Learning for Building Damage Assessment from Large-scale
xBD Satellite Imagery Benchmark Datasets [3.2248805768155826]
本稿では,ラベル付きデータを必要としない自己教師付き比較学習手法を提案する。
我々は、新しい非対称なツインネットワークアーキテクチャを構築し、その性能をxBDデータセット上で検証した。
論文 参考訳(メタデータ) (2022-05-31T11:08:35Z) - Satellite Image Time Series Analysis for Big Earth Observation Data [50.591267188664666]
本稿では,機械学習を用いた衛星画像時系列解析のためのオープンソースRパッケージである sit について述べる。
本手法は, Cerrado Biome のケーススタディにより, 土地利用と土地被覆マップの精度が高いことを示す。
論文 参考訳(メタデータ) (2022-04-24T15:23:25Z) - Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。
本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。
本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
論文 参考訳(メタデータ) (2021-11-17T21:48:31Z) - Post-Hurricane Damage Assessment Using Satellite Imagery and Geolocation
Features [0.2538209532048866]
本研究では,被災地の衛星画像と位置情報を活用し,災害後の被害建物を識別する混合データ手法を提案する。
この手法は、2017年のヒューストン大都市圏におけるハリケーン・ハーベイのケーススタディに基づいて、画像のみを用いて同様の作業を行うことで大幅に改善した。
本研究では,画像特徴に付加的な情報を提供するために位置情報機能の創造的な選択を行ったが,ドメイン知識や災害の種類に応じて,イベントの物理的挙動をモデル化するための他の機能を含めることはユーザ次第である。
論文 参考訳(メタデータ) (2020-12-15T21:30:19Z) - Assessing out-of-domain generalization for robust building damage
detection [78.6363825307044]
建築損傷検出は、衛星画像にコンピュータビジョン技術を適用することで自動化することができる。
モデルは、トレーニングで利用可能な災害画像と、新しいイベントの画像の間の分散の変化に対して堅牢でなければならない。
今後はOOD体制に重点を置くべきだと我々は主張する。
論文 参考訳(メタデータ) (2020-11-20T10:30:43Z) - Physics-informed GANs for Coastal Flood Visualization [65.54626149826066]
我々は,現在および将来の沿岸洪水の衛星画像を生成する深層学習パイプラインを構築した。
物理に基づく洪水図と比較して画像を評価することにより,提案手法は物理的一貫性とフォトリアリズムの両方において,ベースラインモデルよりも優れていることがわかった。
この研究は沿岸の洪水の可視化に焦点が当てられているが、気候変動が地球をどう形作るかのグローバルな可視化を作成することを想定している。
論文 参考訳(メタデータ) (2020-10-16T02:15:34Z) - Improving Emergency Response during Hurricane Season using Computer
Vision [0.06882042556551608]
我々は,コンピュータビジョン(CV),内陸洪水予知,被害評価,データ可視化といった最新の技術を組み込んだ危機対応・管理のためのフレームワークを開発した。
我々のコンピュータビジョンモデルは、自然災害の前後で、宇宙と空中の画像を分析して、関連する特徴を検出する。
画像から水、道路、建物、植生などの特徴を識別するモデル群を設計した。
論文 参考訳(メタデータ) (2020-08-17T15:42:02Z) - MSNet: A Multilevel Instance Segmentation Network for Natural Disaster
Damage Assessment in Aerial Videos [74.22132693931145]
本研究では, ハリケーン, 洪水, 火災などの自然災害後の建物被害を効率的に評価する課題について検討する。
最初のコントリビューションは、ソーシャルメディアからユーザ生成された空中ビデオと、インスタンスレベルのビルディング損傷マスクのアノテーションで構成される、新しいデータセットである。
第二のコントリビューションはMSNetと呼ばれる新しいモデルで、新しい領域の提案ネットワーク設計を含んでいる。
論文 参考訳(メタデータ) (2020-06-30T02:23:05Z) - RescueNet: Joint Building Segmentation and Damage Assessment from
Satellite Imagery [83.49145695899388]
RescueNetは、建物を同時に分割し、個々の建物に対する損傷レベルを評価し、エンドツーエンドでトレーニングできる統一モデルである。
RescueNetは大規模で多様なxBDデータセットでテストされており、従来の手法よりもはるかに優れたセグメンテーションと損傷分類性能を実現している。
論文 参考訳(メタデータ) (2020-04-15T19:52:09Z) - An Attention-Based System for Damage Assessment Using Satellite Imagery [18.43310705820528]
本稿では,建物の損傷レベルを評価するため,Siam-U-Net-Attnモデルを提案する。
大規模建物被害評価データセットである xView2 上で提案手法の評価を行い,提案手法が正確な被害規模分類と建物分割を同時に達成できることを実証した。
論文 参考訳(メタデータ) (2020-04-14T16:37:55Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。