爱与否科技|19 种灾害事件，MIT 更新最大自然灾害图像数据集，囊括来源：HyperAI超神经本文约2600字

文章图片
来源：HyperAI超神经本文约2600字，建议阅读9分钟本文为你分享迄今为止规模最大、质量最高的自然灾害卫星图像数据集。标签：自然灾害数据集[摘要]麻省理工学院在最近ECCV2020上提交的一篇论文中，发布了一套自然灾害图像数据集。这是迄今为止规模最大、质量最高的自然灾害卫星图像数据集。 2020年，多灾多难的一年。年初爆发的疫情，夏天南方的洪灾，近期美国加州的野火……
洪灾、山火、地震之类的自然灾害，总是威胁着人们的生命财产安全。而在无法避免其发生的情况下，如果能够及时、迅速地发现一些细微的变化，就能更好地制定相应救援方案，更合理地进行资源配置，同时也有助于进行相关新闻的报道。
因此，麻省理工学院的工程学硕士生EthanWeber和合作者HassanKan ，在最新论文《BuildingDisasterDamageAssessmentinSatelliteImagerywithMulti-TemporalFusion》（《具有多时相融合的卫星影像中的建筑物灾害破坏评估》）中提出了一个深度学习模型，能够对受损区域的卫星图像进行更快、更精准的评估，从而为急救人员争取更多的时间、最大程度地减少损失。

文章图片
该论文在近期CV顶会ECCV2020上发表
论文地址：https://arxiv.org/pdf/2004.05525.pdf
与此同时，他们还发布了一个最新的用于损坏评估的卫星图像数据集，让图像事件检测的相关研究更进一步，研究人员能实现更精确的定位和量化损失。
用AI与时间赛跑：加速灾情评估
对于自然灾害，现场应急小组减少反应时间，迅速响应、采取行动，对于减少损失和挽救生命至关重要。此外，为了更好地在受灾地区部署资源，应急人员必须了解损失的确切位置和严重性，这些同样重要。
目前，应急人员通常通过人力观察卫星图像的方法，来评估灾害损坏程度，但评估过程可能要花费数小时之久，这对于抢救工作极为不利。

文章图片
人员观察分析卫星图像耗时耗力
是目前自然灾害评估工作中的一个瓶颈
EthanWeber的这项研究贡献在于，创建自动分析图像的工具，减少图像分析时间，赢得与时间的赛跑。
另外，其研究通过共享权值的CNN（卷积神经网络），独立地提供灾前和灾后图像，可以获得更好的性能。
他们还提出了一种新的计算机视觉模型，该模型能够检测在Twitter和Flickr等社交媒体平台上发布的图片中的事件。

文章图片
论文中提出的建筑损坏预测、评估模型架构
标记19种自然灾害的22068张图像
除了提出新模型外，该研究团队还重磅发布了一个新的事件数据集：xBD数据集。
该数据集包含22068张图像，标记有19种不同的事件，包括地震，洪水，野火、火山爆发和车祸等。这些图像包括了灾前、灾后图像，图像可用于构建定位和损伤评估这两项任务。

文章图片

文章图片
飓风灾前图像（左图）与灾后图像（右图）
据介绍， xBD数据集是迄今为止第一个建筑破坏评估数据集，是带注释的高分辨率卫星图像中规模最大、质量最高的公共数据集之一。其基本信息如下：
xBDDataset发布机构：MIT包含数量：22068张图像数据格式：png数据大小：31.2GB更新时间：2020年8月下载地址：https://hyper.ai/datasets/13272