RescueNet：基于卫星影像的联合建筑物分割与损毁评估
计算机视觉与模式识别
2020-04-17 v1 图像与视频处理
摘要
关于建筑物损毁程度的准确细粒度信息，对于在任何自然灾害发生后立即指导人道主义援助与灾害响应（HADR）行动至关重要。近年来，卫星与无人机（UAV，即无人机）影像已被用于此目的，有时辅以计算机视觉算法。现有的用于建筑物损毁评估的计算机视觉方法通常依赖两阶段方案：先用目标检测模型进行建筑物检测，再通过对检测出的建筑物图块分类来完成损毁评估。这些多阶段方法无法端到端训练，且整体效果欠佳。我们提出RescueNet，一种可同时分割建筑物并评估单体建筑物损毁等级、且可端到端训练的统模型。为刻画该问题的复合性质，我们提出了一种新颖的局部感知损失函数，其由用于建筑物分割的二元交叉熵损失，以及仅前景选择性类别交叉熵损失（用于损毁分类）组成，并显示出相较广泛使用交叉熵损失的显著改进。RescueNet在大规模且多样的xBD数据集上测试，取得了显著优于既往方法的建筑物分割与损毁分类性能，并对不同地理区域与灾害类型实现了泛化。
引用
@article{arxiv.2004.07312,
title = {RescueNet: Joint Building Segmentation and Damage Assessment from Satellite Imagery},
author = {Rohit Gupta and Mubarak Shah},
journal= {arXiv preprint arXiv:2004.07312},
year = {2020}
}
备注
7 pages, 3 figures, submitted to ICPR