Detection of earthquake-damaged buildings via UAV high-resolution remote sensing images

我国云南省自然灾害频发，给人们造成了巨大生命财产损失。为此本文基于无人机高分遥感图像和深度学习的目标检测技术快速定位自然灾害中损坏建筑物的位置，为救灾救援提供助力。然而，目前损坏建筑物检测领域仍存在一些挑战：如目前公开的震灾损坏建筑物的高分辨率数据较少或费用昂贵；待检测损坏建筑物与背景及其他目标特征差异小而错检的问题。针对以上问题，本文构建了基于无人机遥感图像的大规模高分辨率的震灾损坏建筑物数据集，其主要在云南省大理白族自治州漾濞彝族自治县灾区收集4598张遥感图像，并对目标建筑物进行了多种形式标注；在检测算法上，本文提出了震灾损坏建筑物实时检测模型，其中包含目标特征对齐模块，特征差异计算模块和目标边界约束的位置框检测模块。本文提出的模型在震灾建筑物检测数据集上达到了86%的精度，同时也在不同地点的实际场景下进行了验证并得到较好的效果。