ICCVAug, 2023

利用航空无人机图像估计灾区人员状况

PDF
TL;DR利用无人机图像中人类行为自动估计人员损伤状况，以更快地了解灾难现场并节省人工。通过构建一个新的数据集，并使用 3D ResNet 对城市地区发生的假想灾难中的人类行为进行分类，结果显示具有特征人类行为的状况可达到 80% 以上的召回率，而其他具有类似人类行为的状况只能达到约 50% 的召回率。此外，基于云端的虚拟现实演示应用提示了利用无人机了解灾难现场和估计人类状况的有效性。
发现论文，激发创造
  • 利用无人机与深度学习进行灾害监测

    利用装备相机传感器的无人机进行灾害监测，并结合深度学习技术可以高准确性地识别灾害，544 幅图像实验结果表明，该技术有望成为高效的灾害预测方法。

    Jul, 2018

  • 基于人工智能的无人机协助灾难环境下的人类救援：挑战与机遇

    使用基于无人机的系统，特别是通过识别人类尖叫声和其他紧急信号来检测个体。该研究在灾后情景下具有重要意义，包括地震、飓风、军事冲突、野火等事件。

    Jun, 2024

  • 无人机 4 好：通过远程感知和人工智能支持灾害救援

    通过无人机数据与深度学习方法的结合，实现自动化和大规模的情况评估，同时证明了无人机的自主投送能够集成机载图像处理技术，提高运载救援物资的安全性。

    Aug, 2023

  • 基于深度学习的无人机应急响应航空影像分类

    本篇论文研究了利用无人机进行应急响应和灾害管理的自动化航空场景分类，提出了一个用于紧急响应的航空图像数据库（AIDER），并进行了现有方法的比较分析。通过该分析，开发出了一个轻量级的卷积神经网络（CNN）架构，能够在嵌入式平台上高效运行，在需要的时候能够在灾难性事件中提供即时帮助。

    Jun, 2019

  • 野外协同空中摄像头三维人体重建

    本文提供了一个在室外环境中操作的用于多摄像头飞行器控制的实时航拍系统，可以在不使用专用标记的情况下重建自然环境中的人体动态，使用多机器人协调方案维护目标重建质量的最优飞行编队，该系统在仿真和现实中的性能表现得到验证。

    Aug, 2021

  • RescueNet：卫星图像中建筑物分割和损伤评估的联合方法

    RescueNet 是一个集成模型，采用了局部相关的二进制交叉熵损失函数来同时分割建筑和评估破坏水平，该模型可以进行端到端的训练，并获得比现有方法更好的性能，它可以在各种地理区域和灾难类型下实现通用。

    Apr, 2020

  • 社交媒体图像的损伤定位与量化

    本文提出了一种基于卷积神经网络和类别激活映射的新方法，用于在社交媒体图像中定位灾害损失并量化其程度，从而提供一种相对于昂贵的地理信息系统方法更为经济有效的、基于社交网络图像的灾后损失评估方案。

    Jun, 2018

  • 利用少量航拍训练样例在无人机视频中进行人类动作识别

    本文研究无人机低成本、快速移动的优点，为了解决训练空中人类行为视频数据成本高、费时、难度大的问题，探索使用两个替代数据源，即视频游戏和生成式对抗性网络来提高分类精度，并利用分离多任务学习框架将两个数据集集成，提出了一种用于改善空中行动识别的方法，其结果表明，视频游戏的影像和 GAN 生成的影像是非常有用的，能够在只有少量实际训练样本的情况下显著提高空中行动识别的准确度。

    Oct, 2019

  • 基于多视角深度学习的可靠后灾害损伤分类

    探索使用多视角图像和 AI 实现可靠的灾后建筑损伤分类方法，提出基于多视角卷积神经网络结构的损伤预测模型可以提高灾后建筑损伤等级的准确度和可靠性。

    Aug, 2022

  • UAV-Human: 一项利用无人机进行人类行为理解的大型基准测试

    本文介绍一种新的基于无人机的人类行为理解基准测试方法 (UAVHuman)，其中包含超过 67000 多模态视频序列和 119 个被试进行动作识别、22476 帧进行姿态估计、41290 帧和 1144 个身份进行人员重识别，以及 22263 帧进行属性识别。并且我们提出了一种鱼眼视频驱动的动作识别方法，通过学习受平面 RGB 视频引导的无界变换来减轻鱼眼视频中的失真。

    Apr, 2021