基于Transformer的洪水场景分割方法在发展中国家的应用研究

洪水是一种大规模自然灾害，常常导致大量人员伤亡、广泛物质损失和经济动荡。在人口密集且资源匮乏的发展中国家，其影响更为广泛且持久。早期预警系统（EWS）通过不断监测水位和其他因素来预测洪水，以帮助减少灾害造成的损失。灾后，灾害应对团队会进行灾后需求评估（PDSA），以评估结构性损害并确定最佳策略来应对受灾严重的社区。然而，即使在今天，发展中国家的早期预警系统和PDSA对大量图像和视频数据的分析仍主要依赖于一线响应人员和志愿者的手动操作。我们提出了一种名为FloodTransformer的方法，据我们所知，这是首个基于视觉变换器模型从灾区航拍图像中检测和分割洪水区域的技术。我们还提出了一种自定义指标——洪水容量（Flood Capacity, FC），用于测量水覆盖的空间范围，并量化分割出的洪水区域，以便于EWS和PDSA分析。我们使用了SWOC洪水分割数据集，并达到了0.93的mIoU值，优于所有其他方法。此外，我们通过验证来自其他洪水数据源的未见过的洪水图像进一步展示了该方法的鲁棒性。