利用实时众包图像与迁移学习检测受损建筑
计算机视觉与模式识别
2022-06-09 v2 地球物理
摘要
强震之后，由于如今智能手机的广泛使用，个人与媒体机构会在社交媒体平台上发布图像。这些图像可用于向公众与研究界提供震区摇晃破坏的信息，并潜在地指导救援工作。本文提出一种自动化方法，从Twitter等社交媒体平台提取震后受损建筑图像，从而识别包含此类图像的特定用户帖子。利用迁移学习与约6500张人工标注图像，我们训练了一个深度学习模型以识别场景中含受损建筑的图像。该训练模型在不同地点地震新获取图像上测试时表现良好，并在2020年土耳其M7.0地震后的Twitter信息流上近实时运行。此外，为更好理解模型如何决策，我们还实现了Grad-CAM方法以可视化图像上促成决策的重要位置。
引用
@article{arxiv.2110.05762,
title = {Detecting Damage Building Using Real-time Crowdsourced Images and Transfer Learning},
author = {Gaurav Chachra and Qingkai Kong and Jim Huang and Srujay Korlakunta and Jennifer Grannen and Alexander Robson and Richard Allen},
journal= {arXiv preprint arXiv:2110.05762},
year = {2022}
}