用于卫星图像建筑物损毁评估的全卷积孪生神经网络
计算机视觉与模式识别
2021-11-02 v1 图像与视频处理
摘要
自然灾害后的损毁评估对于优化分配救援与恢复力量至关重要。该过程包括获取感兴趣区域的卫星影像、定位建筑物，以及对自然或城市因素造成的建筑物损毁程度进行分类。在自然灾害情形下，这意味着需要处理数平方公里的区域，以判断特定建筑物是否遭受了致损因素的影响。本工作中，我们开发了一种计算方法，用于自动比对灾区前后同一区域的卫星图像，并对建筑物的不同损毁等级进行分类。我们的方案基于带有编码器-解码器架构的孪生神经网络。我们进行了详尽的消融研究，并比较了不同的编码器、解码器、损失函数、数据增强以及多种两图融合方法。该方案在“计算机视觉建筑物损毁评估”竞赛中取得了最佳成绩之一。
引用
@article{arxiv.2111.00508,
title = {Fully convolutional Siamese neural networks for buildings damage assessment from satellite images},
author = {Eugene Khvedchenya and Tatiana Gabruseva},
journal= {arXiv preprint arXiv:2111.00508},
year = {2021}
}