麻省理工学院在最近 ECCV 2020 上提交的一篇论文中，发布了一套自然灾害图像数据集。这是迄今为止规模最大、质量最高的自然灾害卫星图像数据集。

麻省理工学院的工程学硕士生 Ethan Weber 和合作者 Hassan Kan，在最新论文《Building Disaster Damage Assessment in Satellite Imagery with Multi-Temporal Fusion》（《具有多时相融合的卫星影像中的建筑物灾害破坏评估》）中提出了一个深度学习模型，能够对受损区域的卫星图像进行更快、更精准的评估，从而为急救人员争取更多的时间、最大程度地减少损失。

该论文在近期 CV 顶会 ECCV 2020 上发表 论文地址：https://arxiv.org/pdf/2004.05525.pdf

与此同时，他们还发布了一个最新的用于损坏评估的卫星图像数据集 xBD 数据集，让图像事件检测的相关研究更进一步，研究人员能实现更精确的定位和量化损失。

据介绍，xBD 数据集是迄今为止第一个建筑破坏评估数据集，是带注释的高分辨率卫星图像中规模最大、质量最高的公共数据集之一。其基本信息如下：

xBD Dataset 发布机构： MIT 包含数量：22068 张图像 数据格式：png 数据大小：31.2GB 更新时间：2020 年 8 月 下载地址：https://hyper.ai/datasets/13272

内容中包含的图片若涉及版权问题，请及时与我们联系删除