基于DC-YOLO模型的建筑物砌体构件危险性等级鉴定方法

• 作者: 卫文学 张洪瑞 车吉鑫 邵婉露
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 深度学习 砌体构件 危险性等级鉴定 可变形卷积
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 181-185,213
• 页数: 6页
• 分类号: TP399
• 字数: 4117字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.09.032

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卫文学	山东科技大学计算机科学与工程学院	43	555	8.0	23.0
2	张洪瑞	山东科技大学计算机科学与工程学院	4	0	0.0	0.0
3	车吉鑫	山东科技大学计算机科学与工程学院	2	0	0.0	0.0
4	邵婉露	山东科技大学计算机科学与工程学院	2	0	0.0	0.0