利用卫星图像深度学习自动量化聚落损毁
计算机视觉与模式识别
2020-10-13 v1 机器学习
摘要
人道主义灾难与政治暴力对我们的生存空间造成显著破坏。房屋、基础设施与生态系统的修复成本往往难以实时量化。实时量化对于指导救援行动以及提前规划重建都至关重要。在此，我们利用全球重大危机前后卫星图像训练了一个鲁棒的基线残差网络（ResNet）与一个灾害量化金字塔场景解析网络（PSPNet）。ResNet 对较差图像质量具有鲁棒性，并能以高准确率（92%）识别损毁区域，而 PSPNet 能以良好准确率（84%）对建成环境损毁进行上下文量化。由于需考虑多个损毁维度（如经济损失与死亡人数），我们拟合了一个多元线性回归模型以量化总体损毁。为验证我们深度学习与回归建模的结合系统，我们成功将预测匹配至 2020 年贝鲁特港口爆炸的 ongoing 恢复情况。这些创新提供了对灾害总体量级更好的量化，并为智能人道主义系统提供 unfolding 灾害的信息。
引用
@article{arxiv.2010.05512,
title = {Automatic Quantification of Settlement Damage using Deep Learning of Satellite Images},
author = {Lili Lu and Weisi Guo},
journal= {arXiv preprint arXiv:2010.05512},
year = {2020}
}