FireRisk:用于火灾风险评估的遥感数据集及基于监督与自监督学习的基准
计算机视觉与模式识别
2023-09-25 v2
摘要
近几十年来,野火作为广泛且极具破坏性的自然灾害,造成了巨大的财产损失和人员伤亡,以及对森林生态系统的广泛破坏。许多火灾风险评估项目已被提出以预防野火,但基于 GIS 的方法由于数据收集和局部条件的差异,本质上难以扩展到不同地理区域。受丰富的公开遥感项目以及深度学习在计算机视觉中蓬勃发展的启发,我们的研究聚焦于利用遥感影像评估火灾风险。本工作中,我们提出了一个新颖的遥感数据集 FireRisk,包含 7 个火灾风险类别共 91872 张标注图像用于火灾风险评估。该遥感数据集使用 Wildfire Hazard Potential (WHP) 栅格数据集提供的火灾风险类别进行标注,遥感影像通过 National Agriculture Imagery Program (NAIP) 这一高分辨率遥感影像计划收集。在 FireRisk 上,我们给出了监督和自监督表征的基准性能,其中在 ImageNet1k 上预训练的 Masked Autoencoders (MAE) 取得了最高分类准确率 65.29%。该遥感数据集 FireRisk 为火灾风险评估提供了新方向,我们已在 https://github.com/CharmonyShen/FireRisk 公开提供。
引用
@article{arxiv.2303.07035,
title = {FireRisk: A Remote Sensing Dataset for Fire Risk Assessment with Benchmarks Using Supervised and Self-supervised Learning},
author = {Shuchang Shen and Sachith Seneviratne and Xinye Wanyan and Michael Kirley},
journal= {arXiv preprint arXiv:2303.07035},
year = {2023}
}
备注
10 pages, 6 figures, 1 table, 1 equation