15、人机交互在灾害损失评估中的应用与性能分析

人机交互在灾害损失评估中的应用与性能分析

1. 研究背景与问题提出

在灾害损失评估（DDA）领域，为了提升评估的准确性和及时性，研究人员开展了关于交互式灾害损失评估（iDSA）的研究。本次研究旨在通过对真实世界数据集的广泛实验，回答以下几个关键问题：
- Q1：iDSA能否比现有的DDA算法实现更好的分类准确率？
- Q2：iDSA中的交互式注意力能否准确捕捉社交媒体图像中的受损区域？
- Q3：在预算有限的情况下，iDSA能否为DDA应用实现较高的人群响应率？
- Q4：iDSA的各个组件对其整体性能有何贡献？

2. 数据集与实验设置

• 数据集 ：使用了包含21,384张社交媒体图像的数据集，这些图像与两个灾害事件相关，分别是2016年厄瓜多尔地震（2,280张图像）和2015年尼泊尔地震（19,104张图像）。数据集中包含了损失严重程度级别的真实标签，并且通过LabelMe工具由多个标注人员收集了图像中确切受损区域的真实标注。
• 实验设置 ：
  • 数据集被划分为训练集和测试集，训练集包含尼泊尔地震的所有19,104张图像，测试集包含厄瓜多尔地震的所有图像。这样的划分是为了模拟现实世界中的DDA场景，即训练数据通常来自过去发生的灾害。
  • 所有对比方案都在配备Intel Xeon E5 - 2637 v4 3.50GHz CPU和4个NVIDIA GTX 1080Ti GPU的服务器上运行。

3. 基线算法选择