基于DC-YOLO模型的建筑物砌体构件危险性等级鉴定方法

摘要

cqvip:为了提高房屋危险性等级鉴定工作的效率,避免人为干预,使鉴定结果更客观,设计DC-YOLO模型。该模型是将深度学习与目标检测算法结合,设计的一种砌体构件危险性等级自动化鉴定方法。采用K-means聚类获得最佳先验框数量和尺寸;扩大网格尺寸以提高对小目标的识别能力;引入可变形卷积,以适应砌体构件裂缝形状不规则的特点。实验结果表明,DC-YOLO模型与常规方法比较,对各类目标的识别率均有不同程度的提高,精确率、召回率、F1值均达到了较好的效果,对于建筑物砌体构件危险性等级有较好的分类性能。