xBD数据集上建筑物损毁检测的简单、强基线方法
计算机视觉与模式识别
2024-01-31 v1
摘要
我们从xView2竞赛中高度工程化的获胜方案出发，逐步剥离组件，构建了一个用于建筑物损毁检测的强基线方法。通过这种方式，我们获得了一个简单得多的方法，同时保持了足够的性能。我们期望这个简化的解决方案能够更广泛、更容易地应用。这一预期基于其降低的复杂性，以及我们基于简单启发式方法选择超参数的事实，这些启发式方法可迁移到其他数据集。随后，我们重新划分了xView2数据集，使得测试地点在训练期间不可见，这与竞赛的设置不同。在此设置下，我们发现复杂模型和简化模型都无法泛化到未见过的地点。对数据集的分析表明，这种泛化失败不仅是一个基于模型的问题，其难度也可能受到不同事件间类别分布不均的影响。代码（包括基线模型）可在https://github.com/PaulBorneP/Xview2_Strong_Baseline获取。
引用
@article{arxiv.2401.17271,
title = {A simple, strong baseline for building damage detection on the xBD dataset},
author = {Sebastian Gerard and Paul Borne-Pons and Josephine Sullivan},
journal= {arXiv preprint arXiv:2401.17271},
year = {2024}
}
备注
11 pages, 5 figures