基于深度学习的无人机应急响应应用航拍图像分类
计算机视觉与模式识别
2019-06-21 v1 机器人学
摘要
配备摄像传感器的无人机（UAVs）可增强许多应急响应与灾害管理应用的态势感知能力，因为它们能够在偏远且难以进入的区域作业。此外，通过利用嵌入式平台与深度学习，无人机可自主监控受灾区域、实时分析图像，并在出现倒塌建筑、洪水或火灾等各类灾害时发出警报，从而更快减轻其对环境与人类的影响。为此，本文聚焦于从无人机载平台对灾害事件进行自动化航拍场景分类。具体而言，我们引入了专用于应急响应（AIDER）应用的航拍图像数据库，并对现有方法进行了对比分析。通过该分析，我们开发了一种轻量卷积神经网络（CNN）架构，能够在嵌入式平台上高效运行，与现有模型相比性能提升约 3 倍，内存需求极小，且相比 state-of-the-art 精度下降不到 2%。这些初步结果为使用无人机进行应急响应应用实时航拍图像分类的进一步实验提供了坚实基础。
引用
@article{arxiv.1906.08716,
title = {Deep-Learning-Based Aerial Image Classification for Emergency Response Applications Using Unmanned Aerial Vehicles},
author = {Christos Kyrkou and Theocharis Theocharides},
journal= {arXiv preprint arXiv:1906.08716},
year = {2019}
}
备注
CVPR International Workshop on Computer Vision for UAVs (UAVision2019), 16 June 2019