10.3969/j.issn.1000-386x.2019.09.032
基于DC-YOLO模型的建筑物砌体构件危险性等级鉴定方法
为了提高房屋危险性等级鉴定工作的效率,避免人为干预,使鉴定结果更客观,设计DC-YOLO模型.该模型是将深度学习与目标检测算法结合,设计的一种砌体构件危险性等级自动化鉴定方法.采用K-means聚类获得最佳先验框数量和尺寸;扩大网格尺寸以提高对小目标的识别能力;引入可变形卷积,以适应砌体构件裂缝形状不规则的特点.实验结果表明,DC-YOLO模型与常规方法比较,对各类目标的识别率均有不同程度的提高,精确率、召回率、F1值均达到了较好的效果,对于建筑物砌体构件危险性等级有较好的分类性能.
深度学习、砌体构件、危险性等级鉴定、可变形卷积
36
TP399(计算技术、计算机技术)
国家重点研发计划项目2016YFC0801408
2019-09-19(万方平台首次上网日期,不代表论文的发表时间)
共6页
181-185,213