DA-SegFormer：面向细粒度灾害评估的损伤感知语义分割
计算机视觉与模式识别
2026-05-12 v1 机器学习
摘要
自然灾害发生后快速且准确的灾损评估对于有效的应急响应至关重要。然而，由于缩放过程中纹理线索的退化以及极端的类别不平衡，在无人机（UAV）影像中识别细粒度的损伤等级（例如，区分轻微屋顶损伤与严重屋顶损伤）仍具挑战性。我们提出了 DA-SegFormer，一种针对高分辨率灾害影像优化的、具有损伤感知能力的 SegFormer 架构改编版本。该方法引入了类别感知采样策略以保证暴露于罕见的损伤特征，并将在线困难样本挖掘（OHEM）与 Dice Loss 相结合，以动态聚焦于代表性不足的类别。此外，我们采用了保持分辨率的推理协议，以保留原始纹理细节。在 RescueNet 数据集上的评估表明，DA-SegFormer 达到了 74.61% 的 mIoU，较基线提升了 2.55%。值得注意的是，我们的改进在关键损伤类别上取得了两位数的提升：轻微损伤（+11.7%）和严重损伤（+21.3%）。
引用
@article{arxiv.2605.09864,
title = {DA-SegFormer: Damage-Aware Semantic Segmentation for Fine-Grained Disaster Assessment},
author = {Kevin Zhu and William Tang and Raphael Hay Tene and Zesheng Liu and Nhut Le and Maryam Rahnemoonfar},
journal= {arXiv preprint arXiv:2605.09864},
year = {2026}
}
备注
Accepted for 2026 IEEE International Geoscience and Remote Sensing Symposium (IGARSS 2026)