elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Automated building segmentation and damage assessment from satellite images for disaster relief

Yuan, Xiangtian und Azimi, Seyedmajid und Henry, Corentin und Gstaiger, Veronika und Codastefano, Marco und Manalili, Michael und Cairo, Stefano und Modugno, Sirio und Wieland, Marc und Schneibel, Anne und Merkle, Nina (2021) Automated building segmentation and damage assessment from satellite images for disaster relief. In: The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLIII, Seiten 741-748. ISPRS 2021, 2021-07-04 - 2021-07-10, Nice, France (virtual event). doi: 10.5194/isprs-archives-XLIII-B3-2021-741-2021. ISSN 1682-1750.

[img] PDF
32MB

Offizielle URL: https://www.int-arch-photogramm-remote-sens-spatial-inf-sci.net/XLIII-B3-2021/741/2021/isprs-archives-XLIII-B3-2021-741-2021.pdf

Kurzfassung

After a natural disaster or humanitarian crisis, rescue forces and relief organisations are dependent on fast, area-wide and accurate information on the damage caused to infrastructure and the situation on the ground. This study focuses on the assessment of building damage levels on optical satellite imagery with a two-step ensemble model performing building segmentation and damage classification trained on a public dataset. We provide an extensive generalization study on pre- and post-disaster data from the passage of the cyclone Idai over Beira, Mozambique, in 2019 and the explosion in Beirut, Lebanon, in 2020. Critical challenges are addressed, including the detection of clustered buildings with uncommon visual appearances, the classification of damage levels by both humans and deep learning models, and the impact of varying imagery acquisition conditions. We show promising building damage assessment results and highlight the strong performance impact of data pre-processing on the generalization capability of deep convolutional models

elib-URL des Eintrags:https://elib.dlr.de/146028/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Automated building segmentation and damage assessment from satellite images for disaster relief
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Yuan, XiangtianXiangtian.Yuan (at) dlr.dehttps://orcid.org/0000-0001-7648-5938NICHT SPEZIFIZIERT
Azimi, SeyedmajidSeyedmajid.Azimi (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Henry, Corentincorentin.henry (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Gstaiger, VeronikaVeronika.Gstaiger (at) dlr.dehttps://orcid.org/0000-0001-7328-7485NICHT SPEZIFIZIERT
Codastefano, MarcoWorld Food Programme (WFP)NICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Manalili, MichaelWorld Food Programme (WFP)NICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Cairo, StefanoWorld Food Programme (WFP)NICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Modugno, SirioWorld Food Programme (WFP)NICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Wieland, MarcMarc.Wieland (at) dlr.dehttps://orcid.org/0000-0002-1155-723XNICHT SPEZIFIZIERT
Schneibel, AnneAnne.Schneibel (at) dlr.dehttps://orcid.org/0000-0003-4329-1023NICHT SPEZIFIZIERT
Merkle, Ninanina.merkle (at) dlr.dehttps://orcid.org/0000-0003-4177-1066NICHT SPEZIFIZIERT
Datum:Juli 2021
Erschienen in:The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
Band:XLIII
DOI:10.5194/isprs-archives-XLIII-B3-2021-741-2021
Seitenbereich:Seiten 741-748
ISSN:1682-1750
Status:veröffentlicht
Stichwörter:Satellite Imagery, Damage Assessment, Deep Learning, Building Segmentation, Crisis Management
Veranstaltungstitel:ISPRS 2021
Veranstaltungsort:Nice, France (virtual event)
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:4 Juli 2021
Veranstaltungsende:10 Juli 2021
Veranstalter :International Society for Photogrammetry and Remote Sensing (ISPRS)
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Erdbeobachtung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R EO - Erdbeobachtung
DLR - Teilgebiet (Projekt, Vorhaben):R - Künstliche Intelligenz, R - Geowissenschaftl. Fernerkundungs- und GIS-Verfahren, R - Optische Fernerkundung
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Methodik der Fernerkundung > Photogrammetrie und Bildanalyse
Deutsches Fernerkundungsdatenzentrum > Georisiken und zivile Sicherheit
Hinterlegt von: Merkle, Nina
Hinterlegt am:23 Nov 2021 13:00
Letzte Änderung:24 Apr 2024 20:45

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.