期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于ERDAS二次开发的震害图像信息提取方法研究
被引量：
2
1
作者
陈文凯
何少林
+2 位作者
张景发
张磊
罗毅
《华南地震》
2009年第2期19-27,共9页
通过ERDAS IMAGINE软件二次开发,建立了一些实用的震害信息提取方法,利用这些方法开发的震害遥感信息提取的程序模块对1976年唐山地震影像、1999年台湾集集地震影像及Quickbird影像进行了处理,将得到的结果与目视解译结果进行对比,结果...
通过ERDAS IMAGINE软件二次开发,建立了一些实用的震害信息提取方法,利用这些方法开发的震害遥感信息提取的程序模块对1976年唐山地震影像、1999年台湾集集地震影像及Quickbird影像进行了处理,将得到的结果与目视解译结果进行对比,结果表明研究中提出的震害信息提取方法具有较好的实用性。
展开更多
关键词
ERDAS
IMAGINE
二次开发
震害
图像
信息提取
下载PDF
职称材料
基于EfficientNet对地震受灾建筑物破坏评估
2
作者
丁子林
姚新强
+1 位作者
李雅静
张勇
《自然灾害学报》
CSCD
北大核心
2023年第2期26-31,共6页
为了实现对建筑物工程震害的图像数据进行智能化分析,以汶川地震、玉树地震等震后受损建筑物图片数据为研究对象,划分了4个建筑物受损类型,建立了震害数据集。通过使用深度学习EfficientNet模型,对图片中建筑物的受损类型进行识别,并通...
为了实现对建筑物工程震害的图像数据进行智能化分析,以汶川地震、玉树地震等震后受损建筑物图片数据为研究对象,划分了4个建筑物受损类型,建立了震害数据集。通过使用深度学习EfficientNet模型,对图片中建筑物的受损类型进行识别,并通过使用数据增强技术扩大数据容量,同时采用迁移学习技术提高识别准确率,实验得到的模型对震害建筑物图片进行评估识别,达到87.45%的准确度。最后,用训练后的模型对青海玛多7.4级地震的震害数据进行识别,达到了85.71%的准确率,制作了灾情分布图。研究表明,本技术可以为地震后的建筑物受损程度和相关的灾情,提供快速智能化识别,对实现地震后自动化、智能化地提供受灾建筑物的破坏信息有一定实用价值。
展开更多
关键词
建筑物
震害
图像
EfficientNet
深度学习
灾情获取
图像
分类
下载PDF
职称材料
题名
基于ERDAS二次开发的震害图像信息提取方法研究
被引量：
2
1
作者
陈文凯
何少林
张景发
张磊
罗毅
机构
中国地震局兰州地震研究所
中国地震局地壳应力研究所
出处
《华南地震》
2009年第2期19-27,共9页
基金
中国地震局"十五"重点项目"甘肃省地震应急指挥系统"资助
"十一五"科技支撑计划课题(2006BAC13B03)
甘肃省地震局青年地震科学基金(2008263)
文摘
通过ERDAS IMAGINE软件二次开发,建立了一些实用的震害信息提取方法,利用这些方法开发的震害遥感信息提取的程序模块对1976年唐山地震影像、1999年台湾集集地震影像及Quickbird影像进行了处理,将得到的结果与目视解译结果进行对比,结果表明研究中提出的震害信息提取方法具有较好的实用性。
关键词
ERDAS
IMAGINE
二次开发
震害
图像
信息提取
Keywords
ERDAS IMAGINE
Secondary development
Earthquake image
Information extraction
分类号
P315.941 [天文地球—地震学]
下载PDF
职称材料
题名
基于EfficientNet对地震受灾建筑物破坏评估
2
作者
丁子林
姚新强
李雅静
张勇
机构
天津市地震局
云南省地震局
出处
《自然灾害学报》
CSCD
北大核心
2023年第2期26-31,共6页
基金
天津市重点研发计划科技支撑重点项目(20YFZCSN01010)
天津市地震局重点项目(Zd202008)。
文摘
为了实现对建筑物工程震害的图像数据进行智能化分析,以汶川地震、玉树地震等震后受损建筑物图片数据为研究对象,划分了4个建筑物受损类型,建立了震害数据集。通过使用深度学习EfficientNet模型,对图片中建筑物的受损类型进行识别,并通过使用数据增强技术扩大数据容量,同时采用迁移学习技术提高识别准确率,实验得到的模型对震害建筑物图片进行评估识别,达到87.45%的准确度。最后,用训练后的模型对青海玛多7.4级地震的震害数据进行识别,达到了85.71%的准确率,制作了灾情分布图。研究表明,本技术可以为地震后的建筑物受损程度和相关的灾情,提供快速智能化识别,对实现地震后自动化、智能化地提供受灾建筑物的破坏信息有一定实用价值。
关键词
建筑物
震害
图像
EfficientNet
深度学习
灾情获取
图像
分类
Keywords
image-based building structural damage
EfficientNet
deep learning
disaster information acquisition
image classification
分类号
P315 [天文地球—地震学]
X43 [天文地球—固体地球物理学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于ERDAS二次开发的震害图像信息提取方法研究
陈文凯
何少林
张景发
张磊
罗毅
《华南地震》
2009
2
下载PDF
职称材料
2
基于EfficientNet对地震受灾建筑物破坏评估
丁子林
姚新强
李雅静
张勇
《自然灾害学报》
CSCD
北大核心
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
