Dec, 2023

QuickQuakeBuildings：用于快速损坏建筑物检测的地震后 SAR - 光学数据集

PDF
TL;DR这篇研究论文介绍了首个专门用于从事件后的高分辨率合成孔径雷达和光学成像中检测地震受损建筑的数据集，利用开放卫星图像和标注后的土耳其 - 叙利亚地震数据，提供了 4000 多个建筑物的光学和合成孔径雷达的共配登记建筑物轮廓和图像片段的数据集，将受损建筑的检测任务视为二值图像分类问题，还可视为由于极端类别不平衡而进行的异常检测问题，提供了基线方法和结果以供对比参考，研究人员可以利用该数据集加速算法开发，促进对未来事件的快速受损建筑检测。
发现论文，激发创造
  • 基于遥感图像的飓风后损坏建筑自动检测基准数据集

    本文旨在提供一种标准化的方法，以便从飓风灾后遥感影像中检测损坏建筑物，为此，研究人员利用先进的计算机视觉和遥感技术开发了基准数据集，并公开分享，以供研究人员进行相应的训练和测试。

    Dec, 2018

  • 基于因果关系的大规模 InSAR 遥感图像下飓风后建筑损坏快速检测

    我们提出了一种从 InSAR 图像中快速检测飓风后建筑损伤的方法，通过使用综合性因果贝叶斯网络对风、洪水、建筑损伤和 InSAR 图像的复杂因果依赖关系进行编码，并将 InSAR 图像的信息与洪水和风的先验物理模型相融合，无需地面真实标签，进一步共同推断大规模未观测到的建筑损伤。验证结果表明，相比传统的手动检查方法，我们的方法在迅速准确检测建筑损伤方面，大大减少了处理时间。

    Oct, 2023

  • 使用卷积神经网络在卫星图像中进行建筑物损伤检测

    利用机器学习技术自动检测卫星图像中的建筑物损伤，提高灾后救援响应效率。

    Oct, 2019

  • 利用全卷积神经网络在高分辨率合成孔径雷达图像中检测建筑物

    该论文研究如何在高分辨率 SAR 图像中自动识别建筑物，提出了一种基于 SAR 层析成像技术的建筑物点云分类方法和基于深度学习的建筑物检测模型，并在柏林城区进行了验证。

    Aug, 2018

  • xBD: 用卫星图像评估建筑损伤的数据集

    xBD 是一个大规模的数据集，包含多种自然灾害事件的卫星遥感图像、建筑物多边形、破坏程度标签、卫星元数据以及与火灾、水、烟雾等环境因素相关的边界框和标签，旨在协助人道主义援助和灾后恢复研究中的变化检测和建筑物损伤评估。

    Nov, 2019

  • 基于无人机可见光遥感技术的建筑自动化巡检

    本论文提出一种基于无人机图像数据收集和后期处理的自动化方法，旨在通过估算地震结构参数，帮助建筑结构的弱点检查和减少人工，时间和成本消耗。这里考虑的关键参数是邻近建筑之间的距离，建筑平面形状，建筑平面面积，屋顶上的物体和屋顶布局。实地测量和 Google 地球数据表明所提出的方法在估算这些参数方面的准确性得到了验证。

    Sep, 2022

  • 在乌克兰使用 Sentinel-1 时间序列进行大规模战争破坏地图制作的开源工具

    通过使用合成孔径雷达卫星图像时间序列，结合现有的手动损伤评估和云端地理空间分析工具作为基本真实数据，本研究提出了一种可扩展且可复制的方法，用于估算战争导致的建筑损害，并通过使用开放式建筑物边界对这些评估进行后处理，使人道主义组织和其他相关方能够快速筛查大范围的地理区域中的战争影响。

    Jun, 2024

  • AB2CD：建筑气候损害分类和检测的人工智能

    通过使用深度学习技术来精确评估自然灾害中建筑损害，在利用遥感数据的背景下进行实现。我们探索使用来自全球各地的多样化灾难事件的 xBD 数据集作为主要焦点，以评估深度学习模型。我们解决了推广到新灾难和地区的挑战，同时考虑了自然灾害数据中固有的低质量和噪声标签的影响。此外，我们的研究定量地证明了对于有效的建筑损害检测，最低的卫星图像分辨率为 3 米，对于使用对称和非对称分辨率摄动分析的分类低于 1 米。为了实现对建筑损害检测和分类的稳健准确评估，我们评估了具有残差、压缩和激活以及双路径网络主干的不同深度学习模型，以及集成技术。总体而言，F-1 得分为 0.812 的 U-Net Siamese 网络集成在 xView2 挑战基准测试中表现最好。此外，我们还将对所有灾害进行训练的通用模型与洪水专家模型进行评估，并调查了在 Ahr Valley 的领域数据中的事件间通用性差距和分布。我们的研究发现展示了先进人工智能解决方案在增强气候变化引发的极端天气事件（如洪水和飓风）影响评估方面的潜力和局限性。这些见解对于在不断升级的气候挑战面前的灾害影响评估具有重要意义。

    Sep, 2023

  • 利用多时相影像融合进行建筑物灾害损伤评估

    通过使用 xBD 数据集，本文报告了关于建筑损伤评估的问题框架、数据处理和训练程序的发现，这些程序有助于减少卫星图像分析师的劳动量，提高自动变更检测和灾害损害评估的效率。此外，发布了参与 xView2 比赛的源代码。

    Apr, 2020

  • 高效学习的无监督卫星图像建筑损伤检测

    在这篇论文中，我们研究了一种具有挑战性但实用的无监督建筑损害检测（U-BDD）场景，该场景下只提供了未标记的灾后和灾前卫星图像对。我们首先提出了一种先进的 U-BDD 基线模型，该模型利用预训练的视觉 - 语言基础模型来解决 U-BDD 任务。此外，我们还提出了一种新颖的自监督框架 U-BDD++，它通过解决与卫星图像相关的领域问题来改进 U-BDD 基线模型。通过对广泛使用的建筑损害评估基准进行大量实验证明了所提出的方法在无监督建筑损害检测方面的有效性。这项研究为真实世界的 BDD 开辟了新的方向，并为未来的研究奠定了坚实的基线。

    Dec, 2023