前不久墨西哥的7．4級(jí)地震，再次讓我們感受到了人類(lèi)在自然災(zāi)害面前的渺小。天災(zāi)難以避免，但災(zāi)后及時(shí)的應(yīng)急響應(yīng)能夠很大程度地減少損失。在此過(guò)程中，超高分辨率衛(wèi)星就扮演著愈發(fā)重要的角色。不過(guò)，高清衛(wèi)星圖像依舊需要密集的人力來(lái)識(shí)別災(zāi)情，這遠(yuǎn)遠(yuǎn)滿(mǎn)足不了應(yīng)急響應(yīng)的需求。

本文將分享谷歌研究人員如何利用機(jī)器學(xué)習(xí)的方法自動(dòng)檢測(cè)建筑物并評(píng)測(cè)損害程度。這一技術(shù)有望提高災(zāi)后報(bào)告的生成速度，幫助救災(zāi)團(tuán)隊(duì)按照受災(zāi)程度展開(kāi)救援。

人類(lèi)的歷史很大程度上是與自然災(zāi)害斗爭(zhēng)的歷史！從遠(yuǎn)古的大洪水時(shí)代到近年的大地震、從肆虐的臺(tái)風(fēng)到暴雨洪水，大范圍的自然災(zāi)害影響著成千上萬(wàn)人的生命財(cái)產(chǎn)安全。在災(zāi)難發(fā)生時(shí)，大規(guī)模、有效的、及時(shí)、準(zhǔn)確的應(yīng)急響應(yīng)對(duì)于救災(zāi)來(lái)說(shuō)至關(guān)重要。政府、公益組織、國(guó)際組織需要快速翔實(shí)地了解災(zāi)區(qū)情況并依此制定有效的救助計(jì)劃來(lái)優(yōu)化資源配置，最大程度的減少損失。

近年來(lái)具有0．3m分辨率的超高分辨率衛(wèi)星在災(zāi)難響應(yīng)中扮演著越來(lái)越重要的角色，為有關(guān)部門(mén)和決策者提供了前所未有的翔實(shí)視覺(jué)信息，包括地形地貌、城市建筑受災(zāi)情況甚至人口受災(zāi)變化等都能得到豐富的信息。

然而即使有了高清衛(wèi)星圖像，還是需要密集的人力來(lái)從圖像中識(shí)別出災(zāi)情：倒塌的建筑、垮塌的橋梁、臨時(shí)帳篷的位置和數(shù)量等等，都需要專(zhuān)家從圖像中識(shí)別出來(lái)。例如2010年海地大地震時(shí)，分析員手工查閱了太子港地區(qū)超過(guò)90000棟建筑的情況并進(jìn)行受災(zāi)評(píng)估，整個(gè)過(guò)程耗費(fèi)了專(zhuān)家團(tuán)隊(duì)幾個(gè)星期的時(shí)間。而最需要災(zāi)情信息的是震后48－72小時(shí)，需要豐富的災(zāi)情信息來(lái)進(jìn)行救災(zāi)決策和計(jì)劃制定，僅靠人類(lèi)進(jìn)行大規(guī)模的災(zāi)情分析遠(yuǎn)遠(yuǎn)滿(mǎn)足不了應(yīng)急響應(yīng)的需求。

為了提高對(duì)于災(zāi)害應(yīng)急響應(yīng)能力，來(lái)自谷歌的研究人員構(gòu)建了一種基于卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行受損建筑物檢測(cè)的有效方法，將利用機(jī)器學(xué)習(xí)的方法自動(dòng)檢測(cè)建筑物并評(píng)測(cè)損害程度。這一技術(shù)將有望提升災(zāi)后報(bào)告的生成速度，同時(shí)減少救災(zāi)部署的時(shí)間，幫助救災(zāi)團(tuán)隊(duì)按照輕重緩急的展開(kāi)救援。下圖顯示了整套系統(tǒng)的數(shù)據(jù)處理流程。

具體方法

自動(dòng)災(zāi)情評(píng)估的實(shí)現(xiàn)過(guò)程主要分為兩部分，分別是建筑物檢測(cè)和受損分類(lèi)。研究人員利用目標(biāo)檢測(cè)方法來(lái)從衛(wèi)星圖像中檢測(cè)出每棟建筑物的區(qū)域。隨后抽取每棟建筑物區(qū)域?yàn)?zāi)前和災(zāi)后的圖像進(jìn)行處理，利用分類(lèi)模型來(lái)分析建筑物是否受損。

分類(lèi)模型由卷積神經(jīng)網(wǎng)網(wǎng)絡(luò)構(gòu)成，其輸入為災(zāi)前災(zāi)后兩張161x161像素的RGB圖像，對(duì)應(yīng)著地面上以建筑為中心50mx50m的區(qū)域。模型將分析兩張圖形的異同并輸出0．0－1．0之間的分?jǐn)?shù)，其中0分代表建筑沒(méi)有損壞，1．0分代表建筑被自然災(zāi)害損壞了。

在針對(duì)兩幅輸入圖像的處理，研究人員提出了四種不同的模型架構(gòu)，要么在前端對(duì)輸入圖像疊加輸入，要么分離獲取特征圖隨后再對(duì)其中的結(jié)果進(jìn)行處理。上述的四種結(jié)構(gòu)中CC代表了將災(zāi)前和災(zāi)后圖像疊加輸入，PO代表了只輸入災(zāi)后圖像，TTC代表了分別獲取災(zāi)前災(zāi)后圖像的特征圖而后疊加處理，TTS代表了將災(zāi)前災(zāi)后的特征圖進(jìn)行相減而后疊加處理。幾種結(jié)構(gòu)的性能如下圖所示，使用了TTS作為最終的架構(gòu)。

由于兩張圖像的拍攝時(shí)間和每天的日照時(shí)間不同，甚至由不同的衛(wèi)星拍攝，因此需要對(duì)圖像的顏色、光強(qiáng)和飽和度進(jìn)行矯正，對(duì)像素進(jìn)行對(duì)齊。為了校正顏色和光照的不同，研究人員利用直方圖均衡的方法來(lái)處理震前和震后的圖像。同時(shí)使用了標(biāo)準(zhǔn)的數(shù)據(jù)增強(qiáng)策略來(lái)使模型對(duì)于不同條件下的光照光強(qiáng)變得更為魯棒。