基于深度学习的建筑物震后评估
计算机视觉与模式识别
2019-07-19 v1
摘要
从安全与修复工作的角度，对建筑在地震事件中受损程度进行分类至关重要。本研究提出了一种基于CNN的自主损伤检测模型。使用了超过1200张不同类型建筑物的图像——1000张用于训练，200张用于测试，按受损程度分为4类。类别分别为：无损伤、轻微损伤、严重损伤和倒塌。通过应用具有不同学习率的多种算法对训练后的网络进行测试。最优结果在应用VGG16迁移学习模型且学习率为1e-5时获得，其训练准确率达97.85%，验证准确率达89.38%。所开发的模型在地震事件中具有实时应用价值。
引用
@article{arxiv.1907.07877,
title = {Post-Earthquake Assessment of Buildings Using Deep Learning},
author = {Dhananjay Nahata and Harish Kumar Mulchandani and Suraj Bansal and G Muthukumar},
journal= {arXiv preprint arXiv:1907.07877},
year = {2019}
}
备注
8 pages 4 figures