IMAFD：一种从时间序列多光谱数据中进行洪水检测的可解释的多阶段方法

May, 2024

IMAFD：一种从时间序列多光谱数据中进行洪水检测的可解释的多阶段方法

IMAFD: An Interpretable Multi-stage Approach to Flood Detection from time series Multispectral Data

Ziyang Zhang, Plamen Angelov, Dmitry Kangin, Nicolas Longépé

TL;DR我们提出了一种可解释的多阶段洪水检测方法，将动态时间序列图像序列分析与静态语义分割相结合，通过四个阶段解决洪水检测问题，提供了高效准确的解决方案，并且可以提供决策过程的见解。

Abstract

In this paper, we address two critical challenges in the domain of flood detection: the computational expense of large-scale time series change detection and the lack of interpretable decision-making processes on explainable AI (XAI). To overcome these challenges, we proposed an interp

flood detection interpretable decision-making dynamic time series semantic segmentation imafd

发现论文，激发创造

利用多光谱卫星影像和类别模糊指数改善深度主动学习在洪水淹没地图中的可解释性

利用可解释的深度主动学习框架 (IDAL-FIM)，通过多光谱卫星图像的类别模糊性来解释洪水淹没图绘制中的深度主动学习的操作行为和预测不确定性。

Apr, 2024

DAM-Net: 基于差分注意力度量的视觉 Transformer 技术在 SAR 图像中全球洪涝检测

本文提出一种新的基于差分注意力度量的网络 --DAM-Net，用于检测洪水区域。DAM-Net 包括两个关键组件：一个共享权重的双子背骨结构，用于获得多时相图像的多尺度变化特征和具有高级语义信息的表示水体变化的令牌，以及一个融合语义令牌和变化特征的时态差分融合模块，以生成减少斑点噪声的洪水地图。通过在提出的 S1GFloods 数据集上进行实验，证明 DAM-Net 相比当前最先进的方法在总体精度、F1 分数和 IoU 三个指标上都有明显提升。

Jun, 2023

通过 Sentinel-1 揭示洪水检测中对时态数据的需求

通过在 Sentinel-1 时间序列中从异常的水体分割，从而将洪水检测任务转化为一个时间异常检测问题，并提供了一个受流行的视频变化检测器 ViBe 启发的简单方法，它的结果与 SAR 图像时间序列定量地吻合，为未来工作提供了一个合理的基准。

Mar, 2024

AMFD: 自适应多模态融合的多光谱行人检测

多光谱行人检测中，采用自适应模态融合蒸馏（AMFD）框架，可有效利用原始模态特征，通过模态提取对齐模块提供学生网络的学习权重，进而独立于教师网络获得最佳融合策略，并在 KAIST、LLVIP 和 SMOD 数据集上实验证明了该方法在降低漏检率和提高平均精度方面优于现有最先进方法。

May, 2024

Multi$^{3}$Net：多尺度、多传感器和多时相卫星图像融合分割洪水淹没建筑物

本研究提出了一个基于卷积神经网络可快速分割洪水淹没建筑的新方法，并结合多分辨率、多传感器、多时相卫星图像，本方法迅速生成卫星图像洪水地图，有助于应对洪水事件的早期响应；同时，通过结合多时相信息，本方法也能用于快速而精确的灾后伤害评估，并可帮助政府更好地协调中长期的财政援助计划。我们还将我们基于编码器 - 解码器结构的多流视频数据融合方法与其他现有研究进行了比较，并证明了它的性能更佳。此外，我们还发布了一个全面预处理和标记的多分辨率和多时相卫星图像灾害数据集以及我们的源代码。

Dec, 2018

MFDS-Net: 远程感知变化检测的多尺度特征深度监督网络，融合全局语义和细节信息

MFDS-Net 是一种基于全局语义和细节信息的多尺度特征深度监督网络，旨在更精细地描述变化的建筑和地理信息，增强变化目标的定位和弱特征的提取。

May, 2024

推断过去：一个结合 CNN-LSTM 深度学习框架的卫星数据融合历史淹没区域制图方法

本文介绍一种结合卫星图像数据和深度学习模型的方法，来预测氾水面积。该方法在孟加拉国的历史氾水数据中进行测试，结果表明该方法比传统算法（如 CNN 和阈值算法）效果更好。

May, 2023

基于 Transformer 的目标检测器中多尺度特征的高效使用

本文提出了迭代多尺度特征聚合（IMFA）的通用范例，其核心思想是利用只有几个关键位置的稀疏多尺度特征，实现了对基于 Transformer 物体探测器中多尺度特征的高效使用，具有相对较小的计算开销。

Aug, 2022

FloodNet：一个用于洪水后场景理解的高分辨率航拍图像数据集

本文提出了一种高分辨率无人机图像数据集 FloodNet，用于帮助解决自然灾害后的损害评估问题，数据集提出了 “洪水下的损害” 这个问题，并对其进行了像素级的语义分割标注，提出一些深度学习算法用于解决这些挑战，并比较了该数据集上多个图像任务算法的性能表现。

Dec, 2020

IM-IAD: 制造业中的工业图像异常检测基准

在工业制造中，图片异常检测是一个重要的计算机视觉任务，已提出许多高级算法，但其性能存在差异。在本文中，我们首先提出了一个统一的工业制造设置，以评估这些算法在不同方面上的性能表现，然后构建了综合性的图片异常检测基准，该基准包括 16 种算法和 7 个数据集，并提供了深入的实验结果以及面向未来的挑战和方向。

Jan, 2023