ABCD dataset|建筑变化检测数据集|海啸影响评估数据集

ABCD (AIST建筑变化检测) 数据集是一个新的标记数据集，专门用于构建和评估检测系统，以识别建筑物是否被海啸冲毁。数据集中的每个数据点是海啸前后的一对航空图像补丁，中心为目标建筑物。数据集包含固定尺度和调整大小两种类型的补丁对，分别对应不同的分辨率和空间尺度。

The ABCD (AIST Building Change Detection) dataset is a newly annotated dataset specifically designed for constructing and evaluating detection systems to identify whether buildings have been destroyed by tsunamis. Each data point in the dataset consists of a pair of aerial image patches, taken before and after a tsunami, centered on the target building. The dataset includes two types of patch pairs: those at a fixed scale and those that have been resized, corresponding to different resolutions and spatial scales.

原始信息汇总

ABCD数据集概述

数据集描述

• 名称: ABCD (AIST Building Change Detection) 数据集
• 目的: 用于构建和评估海啸后建筑物损毁检测系统，特别是识别建筑物是否被海啸冲走。
• 数据内容: 包含8,506对固定尺度和8,444对调整尺度的建筑物图像对，每对图像包括海啸前后的航空图像补丁，中心为目标建筑物。
• 图像来源: 来自日本Tohoku地区的RGB航空图像，拍摄于2011年东日本大地震前后。
• 图像分辨率: 地震前图像分辨率为40厘米，地震后图像实际分辨率为12厘米（重新采样至40厘米）。
• 图像格式: 固定尺度图像为160 x 160像素，调整尺度图像根据目标建筑物大小裁剪后统一为128 x 128像素。
• 标签来源: 使用MLIT的现场调查结果作为标签来源，该调查评估了受灾地区的超过220,000座建筑物。

数据集结构

• 目录配置:
  • fixed-scale/: 包含固定尺度的图像对。
    • patch-pairs/: 存储固定尺度的图像对，格式为.tif。
    • 5fold-list/: 包含用于5折交叉验证的CSV文件。
  • resized/: 包含调整尺度的图像对。
    • patch-pairs/: 存储调整尺度的图像对，格式为.tif。
    • 5fold-list/: 包含用于5折交叉验证的CSV文件。
• 文件格式: 每个.tif文件包含6个通道，前三个通道为海啸前的RGB图像，后三个通道为海啸后的图像。
• 标签格式: CSV文件中的每条记录对应一个TIFF文件，第一列为文件名，第二列为类别标签（"1"表示"被冲走"，"0"表示"幸存"）。

下载信息

• 下载链接: ABCD数据集下载
• 文件大小: 2.1GB
• 使用条款: 下载前请阅读使用条款

联系方式

• 联系人: Aito Fujita
• 机构: 国家先进工业科学技术研究所（AIST），日本
• 邮箱: fujita.713[at]aist.go.jp

AI搜集汇总

数据集介绍

构建方式

ABCD数据集通过从大量日本东北地区RGB航拍图像中裁剪出预地震和后地震的图像块对来构建，这些图像分别在2011年东日本大地震前后拍摄。数据集包含两种尺寸的图像块对：固定比例和调整比例。固定比例图像块对的大小为160x160像素，保持原始图像的分辨率（40厘米）。调整比例图像块对则根据目标建筑的大小进行裁剪，然后统一调整为128x128像素，使得不同建筑的图像块在空间尺度上有所变化。最终，数据集包含8,506对固定比例图像块和8,444对调整比例图像块，其中分别有4,253和4,223对标记为‘被冲走’的建筑。

特点

ABCD数据集的主要特点在于其专注于海啸后建筑物的损坏检测，特别是识别建筑物是否被海啸冲走。数据集提供了两种不同处理方式的图像块对，即固定比例和调整比例，这为研究者提供了多样化的数据输入选择。此外，数据集的标签来源于详细的灾后调查结果，确保了标签的准确性和可靠性。图像块对的中心始终是目标建筑物，这有助于模型集中学习建筑物的变化特征。

使用方法

ABCD数据集适用于开发和评估用于检测海啸后建筑物损坏的系统，特别是基于卷积神经网络的模型。使用者可以通过下载数据集并解压缩，访问包含固定比例和调整比例图像块对的目录。每个图像块对以.tif格式存储，包含6个通道，前三个通道为预地震RGB图像，后三个通道为后地震图像。数据集还提供了用于5折交叉验证的csv文件，方便用户进行模型训练和测试。

背景与挑战

背景概述

ABCD数据集（AIST Building Change Detection）是由日本国立先进工业科学与技术研究所（AIST）的研究团队创建的一个标注数据集，专门用于构建和评估海啸灾害后建筑物损毁检测系统。该数据集的核心研究问题是通过预灾和灾后航拍图像的对比，识别建筑物是否因海啸而被冲毁。数据集的创建基于2011年东日本大地震后的航拍图像，研究人员从这些图像中裁剪出包含目标建筑物的图像块，并根据灾后调查结果标注了建筑物的损毁状态。ABCD数据集的发布对灾害评估和应急响应领域的研究具有重要意义，为基于卷积神经网络的建筑物损毁检测提供了宝贵的数据资源。

当前挑战

ABCD数据集在构建过程中面临了多项挑战。首先，数据集的标注依赖于灾后详细的实地调查结果，确保标注的准确性和可靠性是一个重要挑战。其次，由于预灾和灾后图像的分辨率不同，研究人员需要对图像进行处理以确保数据的一致性。此外，数据集的多样性和代表性也是一个挑战，因为不同建筑物的尺寸和损毁程度各异，如何在数据集中平衡这些差异以提高模型的泛化能力是需要解决的问题。最后，数据集的规模和复杂性对存储和处理提出了较高的要求，如何在有限的计算资源下高效利用该数据集也是一个实际挑战。

常用场景

经典使用场景

ABCD数据集的经典使用场景主要集中在利用卷积神经网络（CNN）进行建筑物在海啸后的损坏检测。该数据集提供了海啸前后的航空图像对，每对图像中心都包含一个目标建筑物。通过分析这些图像对，研究人员可以训练模型以识别建筑物是否因海啸而被冲毁。这种应用在灾害响应和城市规划中具有重要意义，能够帮助快速评估灾害影响并制定相应的恢复策略。

衍生相关工作

基于ABCD数据集，许多相关研究工作得以展开，特别是在深度学习和计算机视觉领域。例如，研究人员利用该数据集开发了多种建筑物损坏检测模型，并通过不同的网络架构和训练策略提升了检测精度。此外，该数据集还激发了在多尺度图像分析、时间序列数据处理等方面的研究，推动了灾害评估技术的进一步发展。这些衍生工作不仅丰富了数据集的应用场景，也为相关领域的技术进步提供了重要支持。

数据集最近研究

最新研究方向

在灾害检测与评估领域，ABCD数据集因其专注于海啸后建筑物损毁检测而备受关注。该数据集通过提供海啸前后的航空图像对，为研究者构建和评估建筑物损毁检测系统提供了宝贵的资源。近年来，随着深度学习技术的快速发展，基于卷积神经网络（CNN）的建筑物损毁检测方法成为研究热点。ABCD数据集的独特之处在于其包含了固定尺度和可变尺度的图像对，这为研究不同尺度下的建筑物损毁检测提供了丰富的实验数据。此外，该数据集的标注基于日本大地震后的详尽实地调查，确保了数据的高质量和可靠性。这些特性使得ABCD数据集在灾害响应和城市规划等领域具有重要的应用价值，推动了相关技术的进步和实际应用的落地。