-
题名基于DCNN特征的建筑物震害损毁区域检测
被引量：7
- 1
-
-
作者
周阳
张云生
陈斯飏
邹峥嵘
朱耀晨
赵芮雪
-
机构
中南大学地球科学与信息物理学院
-
出处
《国土资源遥感》
CSCD
北大核心
2019年第2期44-50,共7页
-
基金
国家重点研发计划项目“一体化综合减灾智能服务系统”(编号:2016YFC0803108)
湖南省自然科学基金项目“基于深度学习的倾斜摄影模型建筑物提取与三维重建”(编号:2018JJ3637)共同资助
-
文摘
为了提高基于高空间分辨率遥感影像的建筑物震害损毁评估精度,引入深度卷积神经网络(deep convolutional neural network,DCNN)模型,提出一种利用DCNN全连接层特征结合支持向量机(support vector machine,SVM)进行遥感影像建筑物震害损毁区域检测的方法。首先,利用神经网络前馈方式从DCNN全连接层提取训练样本和待检测区域的特征;然后,基于样本训练SVM分类器;最后,对待检测区域的所有区块进行分类预测和投票确定是否损毁。以2010年海地地震遥感影像为例,建筑物损毁检测正确率可以达到89%,相比于传统的特征提取方法正确率提高了4%。实验结果表明该方法在建筑物震害损毁检测方面具有一定的应用潜力。
-
关键词
损毁建筑物
卷积神经网络
SVM
高空间分辨率遥感影像
-
Keywords
damaged building
convolutional neural network
SVM
high-resolution remote sensing image
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
