社交媒体图像中损伤的定位与量化
计算机视觉与模式识别
2018-06-20 v1
摘要
传统的灾后损伤评估严重依赖昂贵的GIS数据，尤其是遥感图像数据。近年来，社交媒体已成为丰富的灾害信息来源，可能有助于以更低成本评估损伤。此类信息包括灾害目击者发布的文本（如推文）或图像。现有研究大多探索利用文本识别对灾害响应团队有用的态势感知信息。利用社交媒体图像评估灾害损伤的研究有限。本文中，我们提出一种基于卷积神经网络（convolutional neural networks）与类激活图（class activation maps）的新方法，用于在灾害图像中定位损伤并量化损伤程度。我们提出的方法使得利用社交网络图像进行灾后损伤评估成为可能，并为更昂贵的GIS方法提供了一种廉价且可行的替代方案。
引用
@article{arxiv.1806.07378,
title = {Localizing and Quantifying Damage in Social Media Images},
author = {Xukun Li and Huaiyu Zhang and Doina Caragea and Muhammad Imran},
journal= {arXiv preprint arXiv:1806.07378},
year = {2018}
}