利用计算机视觉改进飓风季节的应急响应
计算机视觉与模式识别
2020-09-10 v2 图像与视频处理
摘要
我们开发了一个危机响应与管理框架，该框架融合了计算机视觉（CV）、内陆洪水预测、损害评估和数据可视化方面的最新技术。该框架利用危机发生前、期间和之后的数据，以便在灾害响应的所有阶段实现快速且知情的决策。我们的计算机视觉模型分析星载和机载影像，以在自然灾难期间和之后检测相关特征，并生成元数据，这些元数据通过可网络访问的制图工具转化为可操作的信息。特别地，我们设计了一组模型集成，用于从影像中识别包括水体、道路、建筑物和植被在内的特征。我们研究了通过利用包括 OpenStreetMaps 在内的开源标注，并添加包括距最近排水点高度（HAND）在内的互补数据源作为网络输入的侧通道，以引导并减少对大规模数据标注工作的依赖，从而鼓励网络学习与视觉特征正交的其他特征。建模工作包括对连接的 U-Net 进行修改，用于（1）语义分割、（2）洪水线检测以及（3）损害评估。特别是在损害评估的情况下，我们在 U-Net 中添加了第二个编码器，使其能同时学习事件前和事件后的图像特征。通过该方法，网络能够学习灾前与灾后图像之间的差异，从而更有效地对损害程度进行分类。我们使用美国国家海洋和大气管理局（NOAA）遥感部门公开可用的数据（以马赛克瓦片图像形式展示城市和街道级细节）以及作为 Xview2 挑战赛一部分发布的数据验证了我们的方法。
引用
@article{arxiv.2008.07418,
title = {Improving Emergency Response during Hurricane Season using Computer Vision},
author = {Marc Bosch and Christian Conroy and Benjamin Ortiz and Philip Bogden},
journal= {arXiv preprint arXiv:2008.07418},
year = {2020}
}