利用具有注意力的Mask R-CNN檢測震害建筑物立面損毀

作者：眭海剛,黃立洪,劉超賢

摘要：震后建筑物損毀信息是災情快速評估和應急救援的重要決策依據之一。針對傳統的建筑物損毀遙感檢測技術只關注于頂面信息,導致眾多頂面結構完好而中間層、底層倒塌或崩裂的損毀建筑物處于檢測盲點的問題,提出了一種融合引入注意力機制的深度學習實例分割模型和圖像多尺度分割算法進行震后建筑物立面損毀檢測的方法。首先,利用卷積塊狀注意力模塊(convolutional block attention module,CBAM)改進掩模區域卷積神經網絡(mask region-based convolutional networks,Mask R-CNN)模型實現了復雜建筑物立面背景中的損毀信息提取;然后,基于建筑物立面影像多尺度分割結果,利用多數投票規則實現了損毀檢測結果的后處理優化。實驗結果表明,相比傳統損毀檢測方法,所提方法能夠更有效地實現震后建筑物立面損毀信息的精準定位,總體準確率可達到89.15%。

發文機構：武漢大學測繪遙感信息工程國家重點實驗室

關鍵詞：地震建筑物立面損毀地面影像MaskR-CNN注意力機制多尺度分割earthquakebuilding fa?ade damageground imagesMask R-CNNconvolutional block attention modulemultiresolution segmentation

分類號： P237[天文地球—攝影測量與遙感]P208[天文地球—測繪科學與技術]