面向跨灾害建筑损伤评估的图卷积网络方法

在灾害发生后，利用变化检测获取建筑损伤图以规划救援行动。当前的卷积神经网络方法在预测损伤时不考虑相邻建筑之间的相似性。我们提出了一种新颖的基于图的建筑损伤检测方案来捕获这些关系。我们提出的模型架构从局部和邻域特征中学习以预测建筑损伤。具体而言，我们采用采样与聚合图卷积策略来学习聚合函数，这些函数可泛化至未见过的图，这对于减少获取新灾害预测所需的时间至关重要。我们在xBD数据集上的实验以及与经典卷积神经网络的比较表明，虽然我们的方法受类别不平衡所制约，但在跨灾害泛化方面展现出可观且独特的优势。