卫星灾害制图：基于众包点标签的损毁检测
计算机视觉与模式识别
2021-11-09 v1 机器学习
图像与视频处理
摘要
灾害事件后立即可用的高分辨率卫星影像对于响应规划至关重要，因为它有助于广泛掌握关键基础设施状况的态势，例如建筑损毁、洪水和通行路线的障碍物。在此尺度上进行损毁制图需要数百个专家工时。然而，众包与深度学习近期进展的结合将所需 effort 实时减少到仅几个小时。让志愿者放置点标记（而非实际损毁区域的形状）显著减少了灾害期间响应所需的分析时间。不过，不同志愿者在标记时可能存在不一致。本工作提出了聚合潜在不一致损毁标记以训练神经网络损毁检测器的方法。
引用
@article{arxiv.2111.03693,
title = {Disaster mapping from satellites: damage detection with crowdsourced point labels},
author = {Danil Kuzin and Olga Isupova and Brooke D. Simmons and Steven Reece},
journal= {arXiv preprint arXiv:2111.03693},
year = {2021}
}
备注
3rd Workshop on Artificial Intelligence for Humanitarian Assistance and Disaster Response at NeurIPS 2021