-
题名基于倾斜摄影与深度学习的城市绿地自动识别技术研究
- 1
-
-
作者
胡彩旭
-
机构
上海浦江桥隧运营管理有限公司
-
出处
《山西建筑》
2024年第11期190-194,共5页
-
文摘
城市绿地的数字化是城市数字化建设的重要组成,传统的实地调研和人工识别的处理方式耗时长,工作量大,无法满足现有城市发展的需求。针对这一问题,文章提出了一种基于倾斜摄影和深度学习的城市绿地自动识别和高程信息提取方法,并研究比较了U-Net,DeepLab v3+,Mask R-CNN三种不同的深度学习模型的识别效果。该方法首先通过倾斜摄影采集城市绿地高质量高分辨的影像,并对影像进行标注建立训练数据集,利用该训练数据集生成深度学习模型,从而实现城市绿地的快速自动识别。在此基础上,利用Python语言,引入GDAL包提取图像的DSM数据,实现了绿地边缘的轮廓坐标与高程信息的自动提取。该方法为快速获得城市绿地的数字化三维信息提供了一种有效的途径,具有良好的应用前景。
-
关键词
倾斜摄影
深度学习
城市绿地识别
高程信息提取
-
Keywords
oblique photography
deep learning
urban green space recognition
elevation information extraction
-
分类号
TU198.3
[建筑科学—建筑理论]
-
-
题名基于U-Net的道路裂缝分割检测
- 2
-
-
作者
胡彩旭
-
机构
上海浦江桥隧运营管理有限公司
-
出处
《中文科技期刊数据库（引文版）工程技术》
2024年第2期0145-0149,共5页
-
文摘
道路裂缝是道路损坏的主要表现,其进一步恶化会影响道路交通。因此,及时发现道路裂缝对保障道路交通安全具有重要意义。路面裂缝识别技术正由传统的人工检测向更高效且自动化的检测技术转变,在这一转变过程中图像识别检测算法成为辨识精度有效提升的重要技术手段和突破方向,机器学习成为主流。本研究采用U-Net网络,整合多个公开裂缝分割数据集,从而提高模型的性能和泛化能力,最终实现各种复杂情况下道路裂缝的分割检测任务。
-
关键词
道路裂缝识别
U-Net模型
图像分割
深度学习
-
分类号
[TU997]
[建筑科学—市政工程]
-
