論文の概要: Cross-directional Feature Fusion Network for Building Damage Assessment from Satellite Imagery

• arxiv url: http://arxiv.org/abs/2010.14014v2
• Date: Wed, 18 Nov 2020 19:07:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-02 12:15:59.400612
• Title: Cross-directional Feature Fusion Network for Building Damage Assessment from Satellite Imagery
• Title（参考訳）: 衛星画像による建物損傷評価のための双方向特徴融合ネットワーク
• Authors: Yu Shen, Sijie Zhu, Taojiannan Yang, Chen Chen
• Abstract要約: 衛星画像からの損傷評価は、効果的な応答を行う前に重要となる。 本稿では,事前画像と事後画像の相関関係をよりよく解明するための,新たな双方向融合戦略を提案する。 提案手法は,大規模建物被害評価データセット上での最先端性能を実現する。
• 参考スコア（独自算出の注目度）: 26.767229623170497
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fast and effective responses are required when a natural disaster (e.g., earthquake, hurricane, etc.) strikes. Building damage assessment from satellite imagery is critical before an effective response is conducted. High-resolution satellite images provide rich information with pre- and post-disaster scenes for analysis. However, most existing works simply use pre- and post-disaster images as input without considering their correlations. In this paper, we propose a novel cross-directional fusion strategy to better explore the correlations between pre- and post-disaster images. Moreover, the data augmentation method CutMix is exploited to tackle the challenge of hard classes. The proposed method achieves state-of-the-art performance on a large-scale building damage assessment dataset -- xBD.
• Abstract（参考訳）: 自然災害(地震、ハリケーンなど)が発生した場合、迅速かつ効果的な対応が必要となる。 衛星画像からの損傷評価は、効果的な応答を行う前に重要となる。 高解像度の衛星画像は、分析のための事前および事後シーンに豊富な情報を提供する。 しかし、既存のほとんどの作品では、相関を考慮せずに、単に事前イメージと後イメージを入力として用いている。 本稿では,先行画像と後画像の相関関係をよりよく解明するための,新たな双方向融合戦略を提案する。 さらに、ハードクラスの課題に取り組むために、データ拡張手法であるCutMixを利用する。 提案手法は,大規模建物被害評価データセット-xBD上での最先端性能を実現する。

関連論文リスト

• Multi-step feature fusion for natural disaster damage assessment on satellite images [0.0]
  複数のネットワークレベルで機能融合を行う新しい畳み込みニューラルネットワーク(CNN)モジュールを導入する。 イメージペアの分析にCNNモデルを適用するために、追加のネットワーク要素であるFuse Moduleが提案された。 視覚変換器モデルの精度は3ポイント以上向上した。
  論文  参考訳（メタデータ） (2024-10-29T09:47:32Z)
• 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)
• QuickQuakeBuildings: Post-earthquake SAR-Optical Dataset for Quick Damaged-building Detection [5.886875818210989]
  このレターでは, 地震被害を受けた建物を, SAR(Synthetic Aperture Radar)と光学画像から検出するための最初のデータセットを提示する。 我々は、SARと光学データの両方のコアギスター化された建物の足跡と衛星画像パッチのデータセットを提供し、400万以上の建物を包含する。
  論文  参考訳（メタデータ） (2023-12-11T18:19:36Z)
• Causality-informed Rapid Post-hurricane Building Damage Detection in Large Scale from InSAR Imagery [6.331801334141028]
  ハリケーンによる建物被害のタイムリーかつ正確な評価は、ハリケーン後の効果的な応答と復旧に不可欠である。 近年,リモートセンシング技術は,災害発生直後の大規模光合成開口レーダ(InSAR)画像データを提供する。 これらのInSAR画像は、しばしば、人為的活動と同様に、建物損傷、洪水・風による植生変化、および建物損傷の同時発生または同時発生によって引き起こされる、非常に騒々しく混ざった信号を含んでいる。 本稿では,InSAR画像からハリケーン後の建物被害の迅速検出手法を提案する。
  論文  参考訳（メタデータ） (2023-10-02T18:56:05Z)
• PAIF: Perception-Aware Infrared-Visible Image Fusion for Attack-Tolerant Semantic Segmentation [50.556961575275345]
  対向シーンにおけるセグメンテーションの堅牢性を促進するための認識認識型融合フレームワークを提案する。 我々は,先進の競争相手に比べて15.3% mIOUの利得で,ロバスト性を大幅に向上させることを示す。
  論文  参考訳（メタデータ） (2023-08-08T01:55:44Z)
• Hierarchical Similarity Learning for Aliasing Suppression Image Super-Resolution [64.15915577164894]
  エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。 HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
  論文  参考訳（メタデータ） (2022-06-07T14:55:32Z)
• BDANet: Multiscale Convolutional Neural Network with Cross-directional Attention for Building Damage Assessment from Satellite Images [24.989412626461213]
  衛星画像からの損傷評価は、救援活動が展開される前に重要となる。 深いニューラルネットワークは建物の損傷評価に首尾よく適用されました。 本稿では,bdanetと呼ばれる損傷評価のための2段階畳み込みニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2021-05-16T06:13:28Z)
• 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)
• 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)
• Deep Face Super-Resolution with Iterative Collaboration between Attentive Recovery and Landmark Estimation [92.86123832948809]
  本稿では,2つの繰り返しネットワーク間の反復的協調による深層面超解像(FSR)手法を提案する。 各繰り返しステップにおいて、リカバリブランチは、ランドマークの事前の知識を利用して、高品質な画像を生成する。 新しい注意融合モジュールはランドマークマップのガイダンスを強化するために設計されている。
  論文  参考訳（メタデータ） (2020-03-29T16:04:48Z)

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。