全卷积神经网络在建筑物震害遥感提取中的应用研究

论文摘要

为解决建筑物震害信息提取自动化程度不高的问题,本文将全卷积神经网络应用于建筑物震害遥感信息提取。以玉树地震后获取的玉树县城区0.2m分辨率航空影像作为建筑物震害信息提取试验数据源,将试验区地物划分为倒塌建筑物、未倒塌建筑物和背景3类。对427个500×500像素的子影像进行人工分类与标注,选取393个组成训练样本集,34个用于验证。利用训练样本集对全卷积神经网络进行训练,采用训练后的网络对验证样本进行建筑物震害信息提取及精度评价。研究结果表明:建筑物震害遥感信息提取总体分类精度为82.3%,全卷积神经网络方法能提高信息提取自动化程度,具有较好的建筑物震害信息提取能力。

论文目录

• 引言
• 1 全卷积神经网络
•   1.1 全连接层替换为卷积层
•   1.2 上采样策略
•   1.3 跳跃层结构
•   1.4 全卷积网络选择与分类数设置
•   1.5 损失函数
•   1.6 精度评价方法
• 2 建筑物震害提取试验与分析
•   2.1 试验数据
•   2.2 试验方法
•   2.3 试验结果与精度验证
• 3 讨论与结论

文章来源

类型: 期刊论文

作者: 陈梦,王晓青

关键词: 深度学习,全卷积神经网络,建筑物,震害信息,遥感

来源: 震灾防御技术 2019年04期

年度: 2019

分类: 基础科学,工程科技Ⅱ辑

专业: 自然地理学和测绘学,建筑科学与工程

单位: 中国地震局地震预测研究所

基金: 科技部重点研发课题（2017YFB0504104）

分类号: P237;TU746.3

页码: 810-820

总页数: 11

文件大小: 5260K

下载量: 65