基于众包数据的深度卷积网络城市洪水深度制图
计算机视觉与模式识别
2022-09-20 v1 人工智能
人机交互
摘要
成功的洪水恢复与撤离需要获取可靠的洪水深度信息。大多数现有洪水制图工具无法提供住宅区内外淹没街道的实时洪水地图。本文使用深度卷积网络，通过分析淹没交通标志的众包图像，以高空间分辨率确定洪水深度。在美国和加拿大近期洪水的照片上测试该模型，得到6.978英寸的平均绝对误差，与既往研究相当，从而证明了该方法用于低成本、准确且实时的洪水风险制图的适用性。
引用
@article{arxiv.2209.09200,
title = {Crowdsourced-based Deep Convolutional Networks for Urban Flood Depth Mapping},
author = {Bahareh Alizadeh and Amir H. Behzadan},
journal= {arXiv preprint arXiv:2209.09200},
year = {2022}
}
备注
2022 European Conference on Computing in Construction