利用ResNet进行建筑物倒塌评估
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.
深度学习、残差网络、建筑物倒塌、灾损评估、迁移学习
45
P237;P208(摄影测量学与测绘遥感)
国家重点研发计划;土木工程防灾国家重点实验室自主课题
2020-09-15(万方平台首次上网日期,不代表论文的发表时间)
共6页
1179-1184