基于自步正未标记学习的建筑物损毁映射
计算机视觉与模式识别
2021-11-05 v1 机器学习
图像与视频处理
摘要
人道主义组织必须拥有快速可靠的数据以应对灾害。深度学习方法在现实世界的灾害中难以实施，因为在事件发生后不久收集损毁情况的真值数据（训练数据）可能极具挑战性。本工作展示了最近的自步正未标记学习（PU）的实现，通过将其成功应用于标记数据非常有限而未标记数据大量的建筑物损毁评估。使用从 2011 年东北地区地震、2018 年帕卢海啸和 2018 年飓风迈克尔收集的不同数据集，将自 PU 学习与监督基线和传统 PU 学习进行了比较。通过仅使用一部分标记的损毁样本，我们展示了使用自 PU 技术训练的模型如何达到与监督学习相当的性能。
引用
@article{arxiv.2111.02586,
title = {Building Damage Mapping with Self-PositiveUnlabeled Learning},
author = {Junshi Xia and Naoto Yokoya and Bruno Adriano},
journal= {arXiv preprint arXiv:2111.02586},
year = {2021}
}
备注
7 pages, 1 figure, Artificial Intelligence for Humanitarian Assistance and Disaster Response Workshop, NeurIPS 2021