Nazr-CNN：用于损害评估的无人机图像细粒度分类
计算机视觉与模式识别
2017-08-23 v2
摘要
我们提出了 Nazr-CNN1，这是一种用于对无人机采集的图像进行目标检测和细粒度分类的深度学习流水线，旨在进行损害评估和监测。Nazr-CNN 由两个组件构成。第一个组件的功能是通过执行像素级分类来定位图像中的对象（例如房屋或基础设施）。在第二个组件中，利用卷积神经网络（CNN）的隐藏层对从第一个组件生成的分割块的 Fisher 向量（FV）进行编码，以帮助区分不同程度的损害。为了展示我们的方法，我们使用了部署在瓦努阿图岛评估 2015 年毁灭性气旋灾后损害程度的无人机数据。收集的图像通过众包工作进行标注，标注类别包括建筑物受损的细粒度等级。由于我们的数据集相对较小，因此使用了预训练网络进行像素级分类和 FV 编码。Nazr-CNN 在目标检测和损害评估方面均取得了有希望的结果，这表明该集成流水线在面对小数据集和标注者的标注错误时具有鲁棒性。虽然 Nazr-CNN 侧重于灾后场景下的无人机图像评估，但我们的解决方案具有通用性，可应用于许多不同的场景。我们展示了一个这样的迁移学习案例，用于评估菲律宾台风后收集的航空图像中的损害程度。
引用
@article{arxiv.1611.06474,
title = {Nazr-CNN: Fine-Grained Classification of UAV Imagery for Damage Assessment},
author = {N. Attari and F. Ofli and M. Awad and J. Lucas and S. Chawla},
journal= {arXiv preprint arXiv:1611.06474},
year = {2017}
}
备注
Accepted for publication in the 4th IEEE International Conference on Data Science and Advanced Analytics (DSAA) 2017