RescueNet: A High Resolution UAV Semantic Segmentation Benchmark Dataset for Natural Disaster Damage Assessment

要約

コンピューター ビジョンとディープ ラーニング技術の最近の進歩により、現場の理解が著しく進歩し、救助チームが正確な被害評価を達成できるようになりました。
この論文では、詳細な分類とセマンティック セグメンテーションのアノテーションを含む、細心の注意を払って厳選された高解像度の災害後のデータセットである RescueNet について紹介します。
このデータセットは、自然災害後の状況の包括的な理解を促進することを目的としています。
RescueNet は、ハリケーン マイケル後に収集された、複数の被害地域から無人航空機 (UAV) を使用して取得された災害後の画像で構成されています。
RescueNet の独自性は、各画像に包括的な注釈が付いた高解像度の災害後の画像を提供していることにあります。
建物などの特定のシーン要素に限定されたアノテーションを提供する既存のデータセットとは異なり、RescueNet は建物、道路、プール、樹木などを含むすべてのクラスに対してピクセル レベルのアノテーションを提供します。
さらに、RescueNet に最先端のセグメンテーション モデルを実装することでデータセットの有用性を評価し、自然災害による被害評価の既存の方法論を強化する上でのその価値を実証しています。

要約(オリジナル)

Recent advancements in computer vision and deep learning techniques have facilitated notable progress in scene understanding, thereby assisting rescue teams in achieving precise damage assessment. In this paper, we present RescueNet, a meticulously curated high-resolution post-disaster dataset that includes detailed classification and semantic segmentation annotations. This dataset aims to facilitate comprehensive scene understanding in the aftermath of natural disasters. RescueNet comprises post-disaster images collected after Hurricane Michael, obtained using Unmanned Aerial Vehicles (UAVs) from multiple impacted regions. The uniqueness of RescueNet lies in its provision of high-resolution post-disaster imagery, accompanied by comprehensive annotations for each image. Unlike existing datasets that offer annotations limited to specific scene elements such as buildings, RescueNet provides pixel-level annotations for all classes, including buildings, roads, pools, trees, and more. Furthermore, we evaluate the utility of the dataset by implementing state-of-the-art segmentation models on RescueNet, demonstrating its value in enhancing existing methodologies for natural disaster damage assessment.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google