RescueNet：面向自然灾害损伤评估的高分辨率无人机语义分割基准数据集
计算机视觉与模式识别
2024-05-20 v4
摘要
计算机视觉与深度学习技术的最新进展推动了场景理解的显著进步，从而协助救援队伍实现精确的损伤评估。本文提出 RescueNet，一个精心构建的高分辨率灾后数据集，包含详细的分类与语义分割标注。该数据集旨在促进自然灾害发生后的全面场景理解。RescueNet 包含飓风 Michael 之后使用无人机（UAV）从多个受影响区域采集的灾后图像。RescueNet 的独特性在于其提供高分辨率灾后影像，并为每幅图像附带全面的标注。与现有仅提供建筑物等特定场景元素标注的数据集不同，RescueNet 为所有类别（包括建筑物、道路、水池、树木等）提供像素级标注。此外，我们通过在 RescueNet 上实现最先进的分割模型来评估该数据集的效用，证明了其在增强现有自然灾害损伤评估方法方面的价值。
引用
@article{arxiv.2202.12361,
title = {RescueNet: A High Resolution UAV Semantic Segmentation Benchmark Dataset for Natural Disaster Damage Assessment},
author = {Maryam Rahnemoonfar and Tashnim Chowdhury and Robin Murphy},
journal= {arXiv preprint arXiv:2202.12361},
year = {2024}
}