面向灾后与冲突后地区桥梁承载力估计的深度学习
计算机视觉与模式识别
2019-02-15 v1 机器学习
机器学习
摘要
许多灾后与冲突后地区缺乏足够的交通基础设施资产数据，阻碍了人员流动与重建。特别是，随着老化与劣化桥梁数量的增加，有必要量化其荷载特性以便指导维护并防止失效。承载力与设计荷载被视为任何土木结构的主要方面。在缺乏专业知识的困难场景下，人工检测可能成本高且缓慢。本文中，我们提出采用深度学习作为从众包图像估计承载力的方法。一个新的卷积神经网络架构在超过6000座桥梁的数据上训练，这将有益于未来研究与应用。我们处理了数据集中的显著变化（如类别区间、图像补全、图像颜色），并量化了它们对预测准确率、精确率、召回率和F1分数的影响。最后，通过将多分类转换为二分类进行实际优化，以实现有前景的现场使用性能。
引用
@article{arxiv.1902.05391,
title = {Deep Learning for Bridge Load Capacity Estimation in Post-Disaster and -Conflict Zones},
author = {Arya Pamuncak and Weisi Guo and Ahmed Soliman Khaled and Irwanda Laory},
journal= {arXiv preprint arXiv:1902.05391},
year = {2019}
}