首页> 中文期刊> 《建筑技术》 >基于深度学习的居住建筑外墙面损伤检测研究

基于深度学习的居住建筑外墙面损伤检测研究

         

摘要

以Tensorflow 2.0为平台,通过Faster RCNN算法框架建立深度学习模型.以1620张居住建筑外墙面受损照片为数据集.选取其中1296张为训练集,对模型进行有监督训练并测试模型训练深度,324张为测试集校检模型精度.测试结果表明,深度学习模型对居住建筑外墙的污染类损伤检测率为88.82%;裂缝类损伤检测率为90.21%;破损类损伤检测率为90.94%,检测平均耗时为每图0.23s.深度学习检测模型可有效反馈外墙面的主要损伤情况,提高建筑工程管理效率.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号