論文の概要: QuickQuakeBuildings: Post-earthquake SAR-Optical Dataset for Quick
Damaged-building Detection
- arxiv url: http://arxiv.org/abs/2312.06587v1
- Date: Mon, 11 Dec 2023 18:19:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-12 14:32:15.090157
- Title: QuickQuakeBuildings: Post-earthquake SAR-Optical Dataset for Quick
Damaged-building Detection
- Title(参考訳): quickquakebuildings: 地震後sar-opticalデータセットによる早期損傷検出
- Authors: Yao Sun, Yi Wang, Michael Eineder
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 6.616258467171942
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Quick and automated earthquake-damaged building detection from post-event
satellite imagery is crucial, yet it is challenging due to the scarcity of
training data required to develop robust algorithms. This letter presents the
first dataset dedicated to detecting earthquake-damaged buildings from
post-event very high resolution (VHR) Synthetic Aperture Radar (SAR) and
optical imagery. Utilizing open satellite imagery and annotations acquired
after the 2023 Turkey-Syria earthquakes, we deliver a dataset of coregistered
building footprints and satellite image patches of both SAR and optical data,
encompassing more than four thousand buildings. The task of damaged building
detection is formulated as a binary image classification problem, that can also
be treated as an anomaly detection problem due to extreme class imbalance. We
provide baseline methods and results to serve as references for comparison.
Researchers can utilize this dataset to expedite algorithm development,
facilitating the rapid detection of damaged buildings in response to future
events. The dataset and codes together with detailed explanations are made
publicly available at
\url{https://github.com/ya0-sun/PostEQ-SARopt-BuildingDamage}.
- Abstract(参考訳): 地震後の衛星画像から素早くかつ自動で建物を損傷する検出は重要であるが、ロバストなアルゴリズムを開発するのに必要なトレーニングデータが不足しているため困難である。
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。
2023年のトルコ・シリア地震後に取得したオープン衛星画像とアノテーションを利用して,4万棟以上の建物を包含するsarおよび光学データの,コアギスタ化した建物の足跡と衛星画像パッチのデータセットを提供する。
損傷した建物検出のタスクはバイナリ画像分類問題として定式化され、極端なクラス不均衡による異常検出問題としても扱われる。
比較の参考となる基準となる方法と結果を提供する。
研究者はこのデータセットを使ってアルゴリズムの開発を迅速化し、将来の出来事に対応して損傷した建物を迅速に検出する。
詳細な説明とデータセットとコードは、 \url{https://github.com/ya0-sun/PostEQ-SARopt-BuildingDamage}で公開されている。
関連論文リスト
- Multiclass Post-Earthquake Building Assessment Integrating Optical and SAR Satellite Imagery, Ground Motion, and Soil Data with Transformers [0.0]
本研究では,地震後の高分解能衛星画像と構造物の耐震性能に関連する建築固有のメタデータを組み合わせたフレームワークを提案する。
2023年2月6日トルコ・シリア地震の建物群を対象とした多層地震後の被害同定において, 現状の成果が得られた。
論文 参考訳(メタデータ) (2024-12-05T23:19:51Z) - SARDet-100K: Towards Open-Source Benchmark and ToolKit for Large-Scale SAR Object Detection [79.23689506129733]
我々は,大規模SARオブジェクト検出のための新しいベンチマークデータセットとオープンソース手法を構築した。
私たちのデータセットであるSARDet-100Kは、10の既存のSAR検出データセットの厳格な調査、収集、標準化の結果です。
私たちの知る限りでは、SARDet-100KはCOCOレベルの大規模マルチクラスSARオブジェクト検出データセットとしては初めてのものです。
論文 参考訳(メタデータ) (2024-03-11T09:20:40Z) - Radio Map Estimation -- An Open Dataset with Directive Transmitter
Antennas and Initial Experiments [49.61405888107356]
実世界の現実的な都市地図とオープンなデータソースからの航空画像とともに、シミュレーションされた経路損失無線マップのデータセットをリリースする。
モデルアーキテクチャ,入力特徴設計,航空画像からの無線マップの推定に関する実験を行った。
論文 参考訳(メタデータ) (2024-01-12T14:56:45Z) - 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) - Diffusion Models for Interferometric Satellite Aperture Radar [73.01013149014865]
確率拡散モデル (Probabilistic Diffusion Models, PDMs) は、最近、非常に有望な生成モデルのクラスとして登場した。
ここでは、PDMを活用して、レーダーベースの衛星画像データセットを複数生成する。
PDMは複雑で現実的な構造を持つ画像を生成することに成功したが、サンプリング時間は依然として問題である。
論文 参考訳(メタデータ) (2023-08-31T16:26:17Z) - Embedding Earth: Self-supervised contrastive pre-training for dense land
cover classification [61.44538721707377]
本研究では,衛星画像の高可用性を活用するための自己監督型コントラスト事前学習法として,エンベディングアースを提案する。
提案手法による事前学習では, 25%の絶対mIoUが得られた。
学習した特徴は、異なる領域間で一般化され、提案した事前学習スキームの可能性を開放する。
論文 参考訳(メタデータ) (2022-03-11T16:14:14Z) - Superpixel-Based Building Damage Detection from Post-earthquake Imagery Using Deep Neural Networks [6.527607790666018]
地震後の被害検知は, 効果的な緊急対応行動の開始に不可欠である。
本稿では,Deep Neural Networks (DNN) と修正セグメンテーション手法を組み合わせた,新しいスーパーピクセルベースのアプローチを提案する。
2015年ネパール地震のWorldView-2画像による実験結果から,本手法の有効性と有効性が確認された。
論文 参考訳(メタデータ) (2021-12-09T08:05:02Z) - Object Detection in Aerial Images: A Large-Scale Benchmark and
Challenges [124.48654341780431]
航空画像(DOTA)におけるオブジェクトデテクションの大規模データセットとODAIの総合的ベースラインについて述べる。
提案するDOTAデータセットは,11,268個の空中画像から収集した18カテゴリのオブジェクト指向ボックスアノテーションの1,793,658個のオブジェクトインスタンスを含む。
70以上の構成を持つ10の最先端アルゴリズムをカバーするベースラインを構築し,各モデルの速度と精度を評価した。
論文 参考訳(メタデータ) (2021-02-24T11:20:55Z) - Learning from Multimodal and Multitemporal Earth Observation Data for
Building Damage Mapping [17.324397643429638]
我々は、損傷マッピングを構築するためのグローバルなマルチセンサとマルチテンポラルデータセットを開発した。
グローバルデータセットには、高解像度の光学画像と高解像度のマルチバンドSARデータが含まれている。
我々は、深層畳み込みニューラルネットワークアルゴリズムに基づいて、損傷建物の意味的セグメンテーションのための損傷マッピングフレームワークを定義した。
論文 参考訳(メタデータ) (2020-09-14T05:04:19Z) - 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。