基于无人机的自然灾害后损伤评估：基于深度学习的语义特征提取
计算机视觉与模式识别
2024-12-17 v1 机器学习
摘要
近年来，由于其可靠性和灵活性，无人机协助的灾后恢复任务正在得到推广。运行在无人机上的机器学习算法通过实现实时数据处理和高效决策，显著提升了无人机的实用性，尽管处于资源受限的环境中。然而，受限带宽和间歇性连接的限制，将输出传输到地面站点具有挑战性。本文提出一种新颖的语义提取器，可被采纳到任何机器学习下游任务中，用于识别决策所必需的关键数据。该语义提取器可在无人机上执行，从而减少传输到地面站点的数据量。我们在两个公开数据集（FloodNet 和 RescueNet）上测试了该方法，用于两个下游任务：视觉问答和灾害损伤程度分类。我们的实验结果表明，该方法在不同下游任务中保持高准确率，同时显著减少传输数据量，凸显了语义提取器在捕获任务特定关键信息方面的有效性。
引用
@article{arxiv.2412.10756,
title = {Damage Assessment after Natural Disasters with UAVs: Semantic Feature Extraction using Deep Learning},
author = {Nethmi S. Hewawiththi and M. Mahesha Viduranga and Vanodhya G. Warnasooriya and Tharindu Fernando and Himal A. Suraweera and Sridha Sridharan and Clinton Fookes},
journal= {arXiv preprint arXiv:2412.10756},
year = {2024}
}
备注
11 pages, 8 figures