.png){kind=icon}
返回
DamageCAT: A deep learning transformer framework for typology-based post-disaster building damage categorization
.png){kind=icon}
OA
AI
DOI：10.1016/j.ijdrr.2025.105704.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
快速、准确和描述性的建筑损坏评估对于指导灾后资源分配至关重要，但目前的自动化方法通常仅提供二元（损坏/未损坏）或有序的严重程度分级。本文介绍了DamageCAT框架，该框架通过基于类型学的分类推进了损坏评估。我们贡献了：(1)包含飓风伊达卫星图像三元组的BD-TypoSAT数据集，具有四个损坏类别——部分屋顶损坏、完全屋顶损坏、部分结构坍塌和完全结构坍塌——以及(2)用于处理灾前和灾后图像对的分层U-Net架构转换器。我们的模型总体上实现了0.737的交并比（IoU）和0.846的F1分数，跨事件评估证明了在飓风哈维、弗洛伦斯和迈克尔数据上的可迁移性。尽管由于类别不平衡，性能在不同损坏类别上有所变化，但该框架表明基于类型学的分类可以提供比传统基于严重程度的方法更可操作的损坏评估，从而实现有针对性的应急响应和资源分配。
Keyword:
Damage assessment
Satellite imagery
Transformers
Damage description
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.5
论文数:
6.1K
被引数:
2.1W
机构
暂无机构信息
引用论文
SiamixFormer: a fully-transformer Siamese network with temporal Fusion for accurate building detection and change detection in bi-temporal remote sensing imagesSiamixFormer: 具有时间融合的全变压器Siamese网络，用于在双时相遥感图像中进行准确的建筑物检测和变化检测
OAAI
OAAI分享收藏分享收藏Change Detection Based on Deep Siamese Convolutional Network for Optical Aerial Images基于深度暹罗卷积网络的光学航空影像变化检测
PREAI
分享收藏Advances in Rapid Damage Identification Methods for Post-Disaster Regional Buildings Based on Remote Sensing Images: A Survey.png)
BUILDINGSOAAI
BUILDINGSIF3.1
OAAI分享收藏Visual Damage Interpretation of Buildings in Bam City Using QuickBird Images Following the 2003 Bam, Iran, EarthquakeEARTHQUAKE SPECTRA
EARTHQUAKE SPECTRAIF3.7
PREAI
分享收藏On Transfer Learning for Building Damage Assessment from Satellite Imagery in Emergency ContextsOAAI
OAAI分享收藏Droughts and floods in a changing climate and implications for multi-hazard urban planning: A review气候变化中的干旱和洪水及其对多灾种城市规划的影响: 综述OAAI
OAAI分享收藏
查看更多内容