基于高级深度学习模型加速 tornado 灾后评估

灾后建筑和基础设施评估对于即时恢复及长期韧性规划至关重要。本研究引入一种创新方法，通过高级深度学习模型自动化灾后评估。我们提出的系统运用最先进的计算机视觉技术（YOLOv11和ResNet50）快速分析灾后现场的图像和视频，提取关于建筑特征的关键信息，包括结构组件损坏程度和损坏范围。我们的实验结果显示出色的性能，ResNet50在多类别损坏分类中实现了90.28%的准确率，推理时间为每张图像1529毫秒。该研究为灾害管理领域提供了一种可扩展、高效且客观的灾后分析工具， potentially 能够转变社区和当局如何应对和从灾难性事件中学习。