Vorgeschlagener halb-überwachter Ansatz. Wenige markierte überschwemmungsgeschädigte Gebäude können verwendet werden, um ein halbüberwachtes Modell anzulernen. Solche Modelle können mit Hilfe von Techniken zur Gebietsanpassung an neue geografische Gegebenheiten angepasst werden.
In den letzten zehn Jahren haben Überschwemmungen mehr als 100 Milliarden US-Dollar gekostet, mehr als 100.000 Menschen kamen ums Leben und eine Milliarde Menschen wurden weltweit obdachlos. Eine schnelle Reaktion kann die durch Überschwemmungen verursachten Schäden erheblich verringern. Die rasche Bereitstellung von Schadensinformationen bei Überschwemmungen ist jedoch eine Herausforderung. In diesem Projekt wollen wir einen Ansatz zur schnellen Bewertung von Gebäudeschäden nach Hochwasserereignissen entwickeln, indem wir drei auf maschinellem Lernen basierende Ansätze untersuchen:
eine Multi-Sensor-Methode zur Erkennung von Veränderungen, die eine Schadensbewertung in nahezu Echtzeit ermöglicht,
eine großmaßstäbliche Technik zur Bewertung von Gebäudeschäden, die von vorhandenen globalen Stadtplanungsdaten profitiert, und
ein halbüberwachtes und auf wenigen Aufnahmen basierendes Lernverfahren, das die wenigen markierten Daten einbezieht, die in der Frühphase des Hochwassers gesammelt wurden.
