从卫星影像到灾害洞察
计算机与社会
2018-12-19 v1 计算机视觉与模式识别
机器学习
摘要
卫星影像的使用在灾害监测与响应中已愈发普及。灾害发生后，优先开展救援行动、灾害响应并协调救济工作十分重要。由于受灾地区资源往往有限，且识别受损最严重区域极为关键，这些工作必须以快速高效的方式展开。然而，现有多数灾害制图工作依赖人工，耗时且常导致错误结果。为解决这些问题，我们提出了一种利用卷积神经网络（CNN）对卫星影像进行变化检测的框架，随后可通过阈值处理与网格聚类找出受灾害影响最严重的区域。我们还提出一种称为灾害影响指数（DII）的新指标，并用其量化两场自然灾害——Harvey飓风洪灾与Santa Rosa火灾——的影响。我们的框架在网格化洪灾数据集上取得81.2%的最优F1分数，在网格化火灾数据集上取得83.5%。
引用
@article{arxiv.1812.07033,
title = {From Satellite Imagery to Disaster Insights},
author = {Jigar Doshi and Saikat Basu and Guan Pang},
journal= {arXiv preprint arXiv:1812.07033},
year = {2018}
}
备注
NeurIPS 2018 Camera-Ready version; AI for Social Good Workshop