Fugu-MT 論文翻訳(概要): Building Disaster Damage Assessment in Satellite Imagery with Multi-Temporal Fusion

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

Towards Efficient Disaster Response via Cost-effective Unbiased Class Rate Estimation through Neyman Allocation Stratified Sampling Active Learning [11.697034536189094]
本稿では,二分分類のためのランダムサンプリング木を構築する革新的なアルゴリズムを提案する。その結果,本手法は受動的および従来の能動的学習手法を超越していることが判明した。従来のアクティブな学習戦略における「サンプルバイアス」の課題に効果的に対処する。
論文参考訳（メタデータ） (2024-05-28T01:34:35Z)
Robust Disaster Assessment from Aerial Imagery Using Text-to-Image Synthetic Data [66.49494950674402]
航空画像からの損傷評価のタスクのための大規模合成監視を作成する際に,新たなテキスト・画像生成モデルを活用する。低リソース領域から何千ものポストディスアスター画像を生成するために、効率的でスケーラブルなパイプラインを構築しています。我々は,xBDおよびSKAI画像のクロスジオグラフィー領域転送設定におけるフレームワークの強度を,単一ソースとマルチソースの両方で検証する。
論文参考訳（メタデータ） (2024-05-22T16:07:05Z)
DeepDamageNet: A two-step deep-learning model for multi-disaster building damage segmentation and classification using satellite imagery [12.869300064524122]
本稿では, 損傷評価, セグメンテーション, 分類において, ディープラーニングモデルによる2つの重要な課題を遂行するソリューションを提案する。我々の最良のモデルは、建物識別セマンティックセグメンテーション畳み込みニューラルネットワーク(CNN)と建物損傷分類CNNを組み合わせ、合計F1スコアは0.66である。本モデルでは比較的精度の高い建物を同定することができたが,災害タイプによる被害の分類は困難であることが判明した。
論文参考訳（メタデータ） (2024-05-08T04:21:03Z)
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)
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)
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)
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。