飓风损伤评估的多标签分类框架
计算机视觉与模式识别
2025-07-04 v1 人工智能
摘要
飓风会导致广泛的破坏，产生多样化的损伤类型和严重程度，需要及时准确的评估以有效应对灾害。虽然传统的单标签分类方法无法捕捉飓风后损伤的复杂性，但本研究引入一种新颖的多标签分类框架用于评估航空图像中的损伤。该方法集成基于 ResNet 的特征提取模块和类别特定注意力机制，以在单张图像中识别多种损伤类型。使用 Hurricane Michael 的 Rescuenet 数据集，该方法实现了 90.23% 的平均精度，优于现有的基线方法。该框架增强了飓风后损伤评估，使更有针对性和高效的灾害应对成为可能，并为未来的灾害减缓和韧性策略做出贡献。本文已接受 ASCE International Conference on Computing in Civil Engineering (i3CE 2025) 的论文，摄影版将出现在正式会议论文集中。
引用
@article{arxiv.2507.02265,
title = {Multi-Label Classification Framework for Hurricane Damage Assessment},
author = {Zhangding Liu and Neda Mohammadi and John E. Taylor},
journal= {arXiv preprint arXiv:2507.02265},
year = {2025}
}
备注
9 pages, 3 figures. Accepted at the ASCE International Conference on Computing in Civil Engineering (i3CE 2025)