基于卫星图像和分块变换方法的建筑物损伤检测
计算机视觉与模式识别
2026-02-10 v1
摘要
快速的建筑物损伤评估对于灾后响应至关重要。基于卫星图像构建的损伤分类模型提供了获得情报情报的可扩展方式。然而，卫星数据中的标签噪声和严重类别不平衡为主要挑战。xBD 数据集为建筑物级别损伤提供了标准化基准，覆盖广泛的地理区域。在本研究中，我们评估了 Vision Transformer (ViT) 模型在 xBD 数据集上的性能，具体研究这些模型如何在训练噪声、不平衡数据时区分结构损伤类型。本研究特别评估了 DINOv2-small 和 DeiT 用于多类别损伤分类。我们提出了针对性的分块预处理管道，以隔离结构特征并最小化背景噪声。我们采用冻结头微调策略以保持计算需求可控。通过准确率、精确率、召回率和宏平均 F1 分数评估模型性能。我们展示了小型 ViT 架构配合我们新方法的训练，在灾难分类方面实现了与先前 CNN 基线相当的宏平均 F1 分数。
引用
@article{arxiv.2602.08117,
title = {Building Damage Detection using Satellite Images and Patch-Based Transformer Methods},
author = {Smriti Siva and Jan Cross-Zamirski},
journal= {arXiv preprint arXiv:2602.08117},
year = {2026}
}
备注
8 pages, 5 figures