-
题名基于深度学习的倾斜摄影建筑物表面损毁信息提取
被引量：3
- 1
-
-
作者
罗嘉琦
帅向华
李继赓
-
机构
中国地震局地震预测研究所
中国地震台网中心
深圳防灾减灾技术研究院
-
出处
《中国地震》
北大核心
2023年第2期271-281,共11页
-
基金
地震传感器信息准实时汇聚与地震影响场动态判定(2018YFC1504501)资助。
-
文摘
建筑物受损信息是地震受灾程度评估的基础,针对传统建筑物表面信息识别人工成本高、效率低等问题,受深度学习提取建筑物影像的启发,提出利用无人机倾斜摄影模型与深度学习相结合的方法提取震后建筑物表面破损信息。以2019年长宁6.0级地震为例,选用双河镇震后倾斜摄影模型切片图为数据源,对比分析面向对象分类方法、VGG-16模型和DeeplabV3+模型对建筑物表面损毁信息的提取结果。分析结果表明,针对建筑物表面破损信息的提取,尤其是细小裂缝的提取,语义分割网络DeeplabV3+模型具有较强的优势(准确率96.93%、召回率96.85%、总体精度96.89%),可实现建筑物表面破损信息的有效提取,具有较强的应用价值。
-
关键词
深度学习
倾斜摄影
VGG-16
DeeplabV3+
建筑物表面破损信息
-
Keywords
Deep learning
Oblique photography
VGG16
DeeplabV3+
Destruction information of buildings
-
分类号
P315
[天文地球—地震学]
-
