基于可解释台风损毁特征航拍图像的自然灾害分类
计算机视觉与模式识别
2020-11-17 v5 机器学习
图像与视频处理
机器学习
摘要
近年来，由于气候变化，台风灾害已成为社会问题。2019年9月9日，台风 Faxai 经过日本千叶，其造成的灾害包括因记录到最大每秒 45 米强风而导致的电力供给停止。大量树木倒下，相邻的电线杆也同时倒下。这些灾害特征导致恢复耗时 18 天，长于以往。快速恢复需要即时响应。尽可能地对受灾区域进行全局筛查的航空调查对于决策支持以优先恢复何处是必要的。本文提出一种实用方法，利用航拍图像可视化聚焦于台风灾害特征的受损区域。该方法可分类八类，包含无损毁的地表覆盖和受灾区域。利用目标特征类概率，我们可以将灾害特征图可视化为按颜色范围缩放。此外，我们可以通过使用 Grad-CAM 计算卷积激活图，在每个单元网格图像上实现可解释地图。我们展示了应用于台风后千叶地区航拍照片的案例研究。
引用
@article{arxiv.2004.10130,
title = {Natural Disaster Classification using Aerial Photography Explainable for Typhoon Damaged Feature},
author = {Takato Yasuno and Masazumi Amakata and Masahiro Okano},
journal= {arXiv preprint arXiv:2004.10130},
year = {2020}
}
备注
10pages, 5figures