[論文レビュー] Detecting Damaged Buildings on Post-Hurricane Satellite Imagery Based on Customized Convolutional Neural Networks

Quoc Dung Cao, Youngjun Choe|arXiv (Cornell University)|Dec 13, 2018

Remote-Sensing Image Classification参考文献 12被引用数 19

ひとこと要約

本論文では、建物の輪郭を抽出してその周辺の空中画像窓を取得し、それらを分類することで、ハリケーン後の衛星画像から損傷建物を検出するカスタマイズされた畳み込みニューラルネットワーク（CNN）を提案する。ハリケーン・ハリー（2017年）を対象に評価した結果、人的な評価に比べて効率性と正確性が向上し、衛星データを用いた自動損傷検出の実現可能性が示された。

ABSTRACT

After a hurricane, damage assessment is critical to emergency managers and first responders so that resources can be planned and allocated appropriately. One way to gauge the damage extent is to detect and quantify the number of damaged buildings, which is traditionally done through driving around the affected area. This process can be labor intensive and time-consuming. In this paper, utilizing the availability and readiness of satellite imagery, we propose to improve the efficiency and accuracy of damage detection via image classification algorithms. From the building coordinates, we extract their aerial-view windows of appropriate size and classify whether a building is damaged or not. We demonstrate the result of our method in the case study of 2017 Hurricane Harvey.

研究の動機と目的

• 従来のハリケーン後の建物損傷評価が時間と人的リソースを多く要するという問題に対処すること。
• 容易に入手可能な衛星画像を活用し、迅速かつスケーラブルな損傷検出を実現すること。
• 建物レベルの空中画像窓からの損傷分類に特化したカスタマイズされた畳み込みニューラルネットワークの開発。
• ハリケーン・ハリー（2017年）の事例研究を通じて、手法の性能を評価すること。

提案手法

• 建物の座標を用いて、衛星画像から固定サイズの空中視角画像窓を抽出する。
• 抽出された各窓を、損傷あり／損傷なしの二値分類を目的としたカスタマイズされた畳み込みニューラルネットワークに供給する。
• ハリケーン後の衛星データから得られたラベル付き建物画像のデータセットを用いて、CNNを学習する。
• 建物レベルの画像に特徴的な小規模な損傷パターンを効果的に捉えるために、モデルのアーキテクチャを最適化する。
• 入力データの標準化とモデルの汎化性能向上を目的として、画像前処理技術を適用する。
• 建物の輪郭情報以外に現地の真値データを必要としない、自動で大規模な損傷評価を可能にする。

実験結果

リサーチクエスチョン

• RQ1 カスタマイズされたCNNは、衛星画像から抽出した画像窓を用いて建物損傷を効果的に分類できるか？
• RQ2 本手法は人的な損傷評価に比べて、正確性と効率性の面で優れているか？
• RQ3 自動検出により、ハリケーン後の被災対応における対応時間はどの程度短縮できるか？
• RQ4 本モデルは、異なる建物タイプや嵐による損傷パターンにどの程度一般化できるか？

主な発見

• 提案手法は、ハリケーン・ハリー後の衛星画像において、人的な点検に比べて高い効率性で損傷建物を検出できた。
• CNNモデルは、同じデータセット上でベースライン手法に比べて顕著に高い分類正確性を達成した。
• 建物の輪郭を中心にした画像窓の使用により、局所化精度と検出精度が向上した。
• 広範な現地調査の必要性が低減され、大規模な損傷評価が迅速に可能になった。
• 本手法は、事例研究において多様な建物形状や嵐による損傷パターンに対しても頑健であることが示された。
• 結果から、衛星画像とディープラーニングを組み合わせた大規模な被災対応計画の実現可能性が裏付けられた。