本研究提出了一种使用深入学习工作流程来量化建筑环境中的损坏的新方法来量化。由于自动履带,从谷歌地球获得了全世界50个震中的自然灾害前后的空中图像,从谷歌地球获得了一台10,000个空中图像数据库,每像素的空间分辨率为2米。该研究利用算法SEG-Net在两个实例(现有和后自然灾害)中的卫星图像中的建筑环境的语义分割。对于图像分割,SEG-Net是最受欢迎和最通用的CNN架构之一。 SEG-NET算法在分割中达到了92%的精度。分割后,我们将两种情况之间的差异与变化百分比进行了比较。这种变化系数代表了数控的损坏,城市环境必须量化建筑环境中的整体损坏。这样的指数可以让政府估计受影响家庭的数量,也许是住房损害的程度。
translated by 谷歌翻译