基于注意力机制的卫星影像损毁评估系统
计算机视觉与模式识别
2020-04-15 v1
摘要
当灾难发生时，准确的态势信息与快速有效的响应对于拯救生命至关重要。广泛可用的高分辨率卫星图像使应急响应人员能够估算损毁的位置、原因与严重程度。然而，要快速且准确地分析海量可用卫星影像，需要一种自动化方法。本文提出 Siam-U-Net-Attn 模型——一种带有注意力机制的多类深度学习模型——用于在一对灾前与灾后场景卫星图像的基础上评估建筑物的损毁等级。我们在大规模建筑物损毁评估数据集 xView2 上对所提方法进行了评估，并证明该方法能够同时实现准确的损毁尺度分类与建筑物分割结果。
引用
@article{arxiv.2004.06643,
title = {An Attention-Based System for Damage Assessment Using Satellite Imagery},
author = {Hanxiang Hao and Sriram Baireddy and Emily R. Bartusiak and Latisha Konz and Kevin LaTourette and Michael Gribbons and Moses Chan and Mary L. Comer and Edward J. Delp},
journal= {arXiv preprint arXiv:2004.06643},
year = {2020}
}
备注
10 pages, 9 figures