BlessemFlood21：利用高分辨率地理参考数据集推进洪水分析以支持人道主义援助
计算机视觉与模式识别
2024-07-09 v1 图像与视频处理
摘要
洪水日益成为一种全球性威胁，造成紧急情况并对基础设施造成严重破坏。在危机期间，世界粮食计划署等组织使用通常通过无人机获取的遥感影像进行快速态势分析，以规划拯救生命的行动。需要计算机视觉工具来支持现场专家评估影像，以提高效率并战略性地分配资源。我们引入了BlessemFlood21数据集，以促进高效洪水检测工具的研究。该影像是在2021年埃尔夫特施塔特-布莱塞姆洪水事件期间获取的，由高分辨率且地理参考的RGB-NIR图像组成。在生成的RGB数据集中，图像附有通过半监督人在回路技术获得的详细水掩膜，其中特别利用NIR信息将像素分类为水或非水。我们通过训练和测试用于语义分割的成熟深度学习模型来评估我们的数据集。通过BlessemFlood21，我们提供了标记的高分辨率RGB数据以及基线，用于进一步开发针对RGB影像中洪水检测的算法解决方案。
引用
@article{arxiv.2407.05007,
title = {BlessemFlood21: Advancing Flood Analysis with a High-Resolution Georeferenced Dataset for Humanitarian Aid Support},
author = {Vladyslav Polushko and Alexander Jenal and Jens Bongartz and Immanuel Weber and Damjan Hatic and Ronald Rösch and Thomas März and Markus Rauhut and Andreas Weinmann},
journal= {arXiv preprint arXiv:2407.05007},
year = {2024}
}