LADI v2：低空灾难图像的多标签数据集与分类器
计算机视觉与模式识别
2024-06-06 v1 人工智能
机器学习
摘要
基于机器学习的计算机视觉模型是支持自然灾害后紧急管理操作的有前景工具。由小型人造和无人机航空器拍摄的航空照片在灾后很快即可获得，可从多个视角提供情境意识和损害评估应用的宝贵信息。然而，紧急管理人员常面临在灾后可能拍摄的几万张照片中找到最相关照片的挑战。虽然基于机器学习的解决方案可以更有效地利用航空照片，但仍缺乏来自多个视角和多种灾害类型的此类图像的训练数据。为此，我们提出 LADI v2（Low Altitude Disaster Imagery version 2）数据集，包含约 10,000 张由美国民用空降队（CAP）在 2015-2023 年响应联邦指定紧急情况期间拍摄的灾难图像，由受训的 CAP 志愿者进行多标签分类标注。我们还提供两个预训练的基线分类器，并将其性能与最先进的视觉-语言模型在多标签分类中的性能进行比较。该数据和代码公开发布，以支持紧急管理研究和应用的计算机视觉模型开发。
引用
@article{arxiv.2406.02780,
title = {LADI v2: Multi-label Dataset and Classifiers for Low-Altitude Disaster Imagery},
author = {Samuel Scheele and Katherine Picchione and Jeffrey Liu},
journal= {arXiv preprint arXiv:2406.02780},
year = {2024}
}