基于卫星影像与新型分层Transformer架构的大规模建筑损毁评估
计算机视觉与模式识别
2023-02-07 v3
摘要
本文提出 \dahitra，一种具有分层 transformer 的新型深度学习模型，用于在自然灾害后基于卫星影像对建筑损毁进行分类。卫星影像提供实时、高覆盖的信息，为大规模灾后建筑损毁评估提供了契机，而后者对于快速应急响应至关重要。本工作提出了一种基于 transformer 的网络用于评估建筑损毁。该网络利用多分辨率的分层空间特征，并在空间特征上应用 transformer 编码器后捕获特征域中的时间差异。所提出的网络在大规模灾害损毁数据集（xBD）上用于建筑定位与损毁分类，以及在 LEVIR-CD 数据集上用于变化检测任务时，均达到了最先进的性能。此外，本工作引入了一个新的高分辨率卫星影像数据集 Ida-BD（与 2021 年路易斯安那州 2021 年飓风艾达相关），用于域适应。进一步，它展示了一种通过使用该数据集在有限微调下使模型适应、从而将模型应用于数据稀缺的新损毁区域的方法。
引用
@article{arxiv.2208.02205,
title = {Large-scale Building Damage Assessment using a Novel Hierarchical Transformer Architecture on Satellite Images},
author = {Navjot Kaur and Cheng-Chun Lee and Ali Mostafavi and Ali Mahdavi-Amiri},
journal= {arXiv preprint arXiv:2208.02205},
year = {2023}
}