利用ResNet进行建筑物倒塌评估

发布时间：2021-08-27 07:47

　　灾害发生之后快速对建筑物倒塌损毁程度进行准确评估对减轻灾害损失具有重要意义。将深度学习技术应用于建筑物倒塌评估,在残差网络（residual network,ResNet）预训练网络的基础上,通过深度迁移学习的方法,按照建筑物破坏评估标准建立了用于建筑物倒塌评估的分类器模型,利用图像数据结构损伤识别比赛（PEER Hub ImageNet Challenge,PHI）的开放数据训练获得了相对最优的模型参数,并用该模型开展了建筑物倒塌评估实验。实验结果表明,基于ResNet的建筑物倒塌评估模型对建筑物倒塌状态具有良好的识别效果和应用潜力。 

【文章来源】：武汉大学学报(信息科学版). 2020,45(08)北大核心EICSCD

【文章页数】：6 页

【部分图文】：

ResNet‐50网络架构

实验使用了其中与建筑物倒塌模式有关的部分数据集，并根据中国地震局制定的《地震灾害遥感评估建筑物破坏》（DB/T 75-2018）标准将其标记为未倒塌（188张）、半倒塌（253张）以及全倒塌（150张）3类，数据样例如图2所示。2.2 数据清洗与扩充

使用几何变换和模糊处理来增强训练图像。在几何变换中混合使用了平移、反射和旋转操作，考虑了图像拍摄方向和角度的变化；模糊处理考虑了成像相机在光线不足和未聚焦镜头下可能出现的不稳定性。图3显示了用于数据增强的图像修改示例。通过数据扩充，将训练数据的数量增加了至少10倍。3 建筑物倒塌评估实验结果分析

【参考文献】：
期刊论文
[1]利用高分辨率光学遥感图像检测震害损毁建筑物[J]. 叶昕,秦其明,王俊,郑小坡,王建华.  武汉大学学报(信息科学版). 2019(01)
[2]震害损毁建筑物高分辨率遥感信息提取方法[J]. 吴剑,陈鹏,刘耀林,王静.  地理与地理信息科学. 2013(03)

硕士论文
[1]基于深度学习的建筑物震害遥感识别研究[D]. 陈梦.中国地震局地震预测研究所 2019



本文编号：3365958