xBD 数据集上建筑损坏检测的简明、强大基线
原文中文，约500字，阅读约需2分钟。发表于：。我们构建了一种强大的基准方法用于建筑损坏检测，通过使用 xView2 比赛的高度工程化的获奖解决方案，并逐步去除组件，从而获得一个更简单的方法，同时保持足够的性能。我们的预期是，简化的解决方案更加普适且易于应用，这基于简化解决方案的复杂性降低，以及我们选择基于简单启发式方法的超参数，可以迁移到其他数据集。然而，在将 xView2...
本研究使用深度学习评估自然灾害中的建筑损害，通过全球多样化的灾难事件数据集解决了推广到新灾难和地区的挑战。研究发现，3米的卫星图像分辨率对于有效的建筑损害检测至关重要。U-Net Siamese网络在不同深度学习模型和集成技术中表现最佳。研究还评估了通用模型和洪水专家模型，并探讨了气候变化引发的极端天气事件评估的潜力和局限性。
