EM-T1Natural Hazards2024-05-08第 120 卷第 9 期，8337-8366

One versus all: identifiability with a multi-hazard and multiclass building damage imagery dataset and a deep learning neural network

登录后看摘要和中文要点

英文摘要、AI 生成的中文摘要和三条要点、参考文献和引证文献列表、论文图谱，注册免费。

关键词

复合灾害与灾害链金融风险与机器学习 building damage detection xBD dataset multi-class classification class imbalance data augmentation ResNet50 overfitting class merging wind damage flood damage fire damage tsunami damage earthquake damage image classification deep learning

登录后可以看完整列表。去登录

4次被引阅读 2

被引数据来自 OpenAlex，含本站以外的引用

Natural HazardsSpringer-Verlag

应急管理一类

本站发文: 6,850
总被引: 148,315
ISSN: 0921-030X

进入期刊页 →

引用这篇

SODEINDE O R, KOCH M, MOAVENI B, et al. One versus all: identifiability with a multi-hazard and multiclass building damage imagery dataset and a deep learning neural network[J]. Natural Hazards, 2024, 120(9): 8337-8366. DOI:10.1007/s11069-024-06500-9.

著录项

学科: 工学信息与通信工程媒体技术
类型: 研究论文
期刊: Natural Hazards
基金资助: National Geospatial-Intelligence Agency项目号 HM0476-20-1-0006
卷期页: 第 120 卷第 9 期，8337-8366
出版: 2024-05-08
语言: 英语
DOI: 10.1007/s11069-024-06500-9

获取来源2 处

Natural Hazards出版版
页面
RePEc: Research Papers in Economics预印本
页面

来源列表来自 OpenAlex；本站不存全文，链接打开的是对方网站

论文图谱

本篇和它的参考文献、引证文献、相似文献

登录后可以看这篇的论文图谱：谁被它引用、谁引用了它、还有哪些相似的研究。