利用CNN与集成学习实现灾害图像自动分类
计算机视觉与模式识别
2023-11-23 v1 机器学习
摘要
自然灾害在全球范围内构成严重威胁，需要有效且高效的灾害管理与恢复。本文聚焦于使用卷积神经网络（CNNs）对自然灾害图像进行分类。我们构建并训练了多个CNN架构，所用数据集包含地震、洪水、野火和火山的图像。堆叠式CNN集成方法被证明最为有效，达到了95%的准确率，且各类别的F1分数高达0.96。对单个模型超参数进行调优以优化，对最大化模型性能至关重要。将CNN与作为元模型的XGBoost堆叠，利用了CNN和ResNet模型的优势，从而提升分类的整体准确率。模型所得结果说明了基于CNN的模型在灾害图像自动分类中的效力。这为扩展这些技术以构建用于灾害响应、损失评估和恢复管理的鲁棒系统奠定了基础。
引用
@article{arxiv.2311.13531,
title = {Leveraging CNNs and Ensemble Learning for Automated Disaster Image Classification},
author = {Archit Rathod and Veer Pariawala and Mokshit Surana and Kumkum Saxena},
journal= {arXiv preprint arXiv:2311.13531},
year = {2023}
}
备注
13 pages, 11 figures, 4 tables, ICSISCET 2023 Conference