HyperAIHyperAI
vor 11 Tagen

xBD: Ein Datensatz zur Bewertung von Gebäudeschäden aus Satellitenbildern

Ritwik Gupta, Richard Hosfelt, Sandra Sajeev, Nirav Patel, Bryce Goodman, Jigar Doshi, Eric Heim, Howie Choset, Matthew Gaston
xBD: Ein Datensatz zur Bewertung von Gebäudeschäden aus Satellitenbildern
Abstract

Wir stellen xBD vor, einen neuen, großskaligen Datensatz zur Förderung der Veränderungserkennung und der Bewertung von Gebäudeschäden im Kontext humanitärer Hilfsmaßnahmen und Wiederaufbauforschung. Die Reaktion auf natürliche Katastrophen erfordert eine präzise Einschätzung beschädigter Gebäude in betroffenen Gebieten. Derzeitige Reaktionsstrategien erfordern vor Ort durchgeführte Schadensbewertungen innerhalb von 24 bis 48 Stunden nach einer Katastrophe. Hierbei besteht ein erhebliches Potenzial, Luftbildaufnahmen in Kombination mit Algorithmen der Computer Vision einzusetzen, um Schäden zu bewerten und die Gefahr für menschliches Leben zu verringern. In Zusammenarbeit mit mehreren Katastrophenreaktionsbehörden bietet xBD Satellitenbilder vor und nach verschiedenen Katastrophenevents, ergänzt durch Gebäudepolygone, ordinale Schadensgradbezeichnungen sowie entsprechende Satelliten-Metadaten. Zudem enthält der Datensatz Bounding Boxes und Labels für Umweltfaktoren wie Feuer, Wasser und Rauch. xBD ist bislang der umfangreichste Datensatz zur Bewertung von Gebäudeschäden und umfasst 850.736 Gebäudeannotationen über eine Gesamtfläche von 45.362 km² an Bilddaten.

xBD: Ein Datensatz zur Bewertung von Gebäudeschäden aus Satellitenbildern | Neueste Forschungsarbeiten | HyperAI