美国军方，寻求灾后损害识别自动化，寻求制胜公式

这些天，自然灾害似乎发生得越来越频繁了。更糟糕的是，我们似乎没有准备好应对它们。即使它是我们可以预见到的事情，比如飓风，恢复的道路往往是一片混乱，因为急救人员争先恐后地找出在哪里分配资源。遥感技术可以帮助解决这一问题，但目前的技术水平归结为手工比较灾难现场的空中前后图像，并试图确定受灾最严重的地点。

为了解决这个问题，我们国防创新部门(国防部内部的一种技术加速器)发起了一个名为xView2的挑战。它的目标是开发一种计算机视觉算法，可以根据前后照片的差异自动检测和标记损伤。就像所有精彩的挑战一样，最后谁能表现得最好，谁就能获得一大笔奖金。

xView2背后的思想相对简单。作为输入，你得到了灾难发生前该地区的卫星图像。作为输出，您将得到同一地区的卫星图像，在地震、海啸、洪水、火山爆发、野火、龙卷风或上述任何一种灾难的组合之后立即拍摄。算法所要做的就是识别结构，然后将每个结构按照从一尘不染到完全毁坏的四级破坏等级进行评级。

幸运的是，这种模式识别是计算机视觉算法往往做得非常好的事情。它们有效性的关键是所提供的训练数据，xView2为竞争对手提供了一个巨大的、手工标记的数据集。利用数字地球的开放数据计划，xView2已经成功地以每像素0.3米的分辨率收集了45361平方公里的灾前和灾后图像。这些图像包含850736个建筑轮廓，每一个轮廓都是由人类绘制的，并分配了一个建筑损坏评估评分，甚至更多的数据正在添加中。

在这些卫星图像中，红色标注表示建筑物已被完全摧毁，蓝色标注则表示没有损坏。Gif:数字地球/MAXAR

运行xView2的人员非常小心地确保这个数据集尽可能地准确和高质量。15个国家的代表，包括异国情调的地方，如澳大利亚，印度尼西亚，塔斯卡卢萨和孟加拉国。标准化的建筑物联合破坏等级(奇怪的是以前不存在)是由联邦应急管理局、美国空军和当地急救人员提供的信息制定的。在数据集最终确定之前，这些机构也有机会检查标签的准确性。

xView2挑战的获胜者将是在以前未见过的数据集上表现最好的算法，通过联合损伤等级识别和标记建筑物，并与专家给出的评级最接近。该算法必须是一个多面手，能够在世界上任何地方的六种灾难中的任何一种之后识别和评分建筑物。他们希望获胜的算法可以用来比较灾前卫星图像和灾后飞机或无人机拍摄的图像，帮助急救人员更快、更有效地采取行动。即使最好的算法并不完美，也没关系。即使是一个非常好的算法也可能非常有用，特别是当时间是一个因素时。

令人耳目一新的是，国防创新部门似乎最感兴趣的是鼓励人们参与xView2挑战并取得好成绩，而不是沉迷于拥有获胜的软件或其他东西。你可以竞争在开源竞赛中，只要你同意在许可许可下发布你的代码，你就可以赢得25,000美元。如果你想保持你的代码私有，但你愿意给政府一个非排他性的使用许可，政府Purpose track有38,000美元的一等奖。任何参与开源轨道的人都有可能赢得其他轨道。最后的唯一评估轨道是为那些真的不想分享任何东西的团队准备的;政府将检查你的算法并告诉你你做得如何，但仅此而已。在这种情况下，最高奖金是3000美元。最后，表现好的队伍将被考虑为“后续的原型，意味着以后可能会有更多的机会。

xView2挑战的数据集现已可用，提交截止日期11月22日(更新日期:12月31日)。获奖者将于12月在NeurIPS举行的人道主义援助和灾难恢复(HADR)研讨会上宣布。