CRASAR-U-DROIDs: A Large Scale Benchmark Dataset for Building Alignment and Damage Assessment in Georectified sUAS Imagery

要約

このドキュメントでは、小型無人航空システム (sUAS) の地理空間画像から収集された、建物の損傷評価と空間位置合わせのためのロボット支援捜索救助センター – 無人航空システム – 災害対応頭上検査データセット (CRASAR-U-DROID) について説明します。
このデータセットは、災害対応における sUAS の使用が増加していること、機械学習およびコンピューター ビジョン モデルに高解像度の地理空間 sUAS 画像を利用するというこれまでの取り組みが不足していること、運用上のユースケースとの整合性が欠如していること、そしてさらなる活用を可能にするという期待によって動機づけられています。
sUAS と衛星画像の間の調査。
CRASAR-U-DRIODs データセットは、連邦政府が宣言した 10 件の災害 (ハリケーン イアン、ハリケーン アイダ、ハリケーン ハーベイ、ハリケーン イダリア、ハリケーン ローラ、ハリケーン マイケル、マスセット バイユー火災、メイフィールド竜巻、
キラウエア噴火、シャンプレーン タワー崩壊) の範囲は 67.98 平方キロメートル (26.245 平方マイル) で、21,716 個の建物ポリゴンと損傷ラベル、および 7,880 個の調整アノテーションが含まれています。
画像はタイル状に並べられ、オーバーレイされた建物ポリゴンと組み合わせて 130 人のアノテーターに提示され、共同被害スケールに従って人間による被害判断が提供されました。
これらの注釈は、建物のポリゴン損傷ラベルが最初に個別にレビューされ、次に委員会によって再度レビューされるという 2 段階のレビュー プロセスを通じてレビューされました。
さらに、建物のポリゴンは画像と正確に重なるように空間的に位置合わせされており、よりパフォーマンスの高い機械学習モデルをトレーニングできるようになりました。
CRASAR-U-DRIODs は、sUAS オルソモザイク画像の最大のラベル付きデータセットであると思われます。

要約(オリジナル)

This document presents the Center for Robot Assisted Search And Rescue – Uncrewed Aerial Systems – Disaster Response Overhead Inspection Dataset (CRASAR-U-DROIDs) for building damage assessment and spatial alignment collected from small uncrewed aerial systems (sUAS) geospatial imagery. This dataset is motivated by the increasing use of sUAS in disaster response and the lack of previous work in utilizing high-resolution geospatial sUAS imagery for machine learning and computer vision models, the lack of alignment with operational use cases, and with hopes of enabling further investigations between sUAS and satellite imagery. The CRASAR-U-DRIODs dataset consists of fifty-two (52) orthomosaics from ten (10) federally declared disasters (Hurricane Ian, Hurricane Ida, Hurricane Harvey, Hurricane Idalia, Hurricane Laura, Hurricane Michael, Musset Bayou Fire, Mayfield Tornado, Kilauea Eruption, and Champlain Towers Collapse) spanning 67.98 square kilometers (26.245 square miles), containing 21,716 building polygons and damage labels, and 7,880 adjustment annotations. The imagery was tiled and presented in conjunction with overlaid building polygons to a pool of 130 annotators who provided human judgments of damage according to the Joint Damage Scale. These annotations were then reviewed via a two-stage review process in which building polygon damage labels were first reviewed individually and then again by committee. Additionally, the building polygons have been aligned spatially to precisely overlap with the imagery to enable more performant machine learning models to be trained. It appears that CRASAR-U-DRIODs is the largest labeled dataset of sUAS orthomosaic imagery.

arxiv情報

著者 Thomas Manzini,Priyankari Perali,Raisa Karnik,Robin Murphy
発行日 2024-07-24 23:39:10+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.CV, cs.RO パーマリンク