[发明专利]一种基于神经网络的自然灾害后建筑损伤评估方法

权利要求书

1.一种基于神经网络的自然灾害后建筑损伤评估方法，其特征在于，包括：

获取待评估区域的卫星遥感图像RSI，所述卫星遥感图像RSI包括灾前RSI和灾后RSI；

建立图像集，并对图像集进行标注，得到标注后的图像集；

基于所述标注后的图像集，建立用于评估建筑损伤的数据集；

基于神经网络构建建筑损伤评估网络BDANet；

利用所述数据集对所述BDANet进行训练，得到建筑损伤评估模型；

利用所述建筑损伤评估模型，对待评估区域内建筑的损伤程度进行评估。

2.根据权利要求1所述的自然灾害后建筑损伤评估方法，其特征在于，所述建立图像集，并对图像集进行标注，得到标注后的图像集，包括：

通过Labelme工具对所述灾前RSI进行分割标注，得到每一帧灾前RSI用于建筑定位的掩模Mask；

将所述掩模Mask覆盖在所述灾后RSI，对每个建筑进行损伤等级标注，得到标注后的图像集。

3.根据权利要求1所述的自然灾害后建筑损伤评估方法，其特征在于，所述BDANet包括：定位网络BPNet和损伤评估网络DANet，所述BPNet用于像素级别的建筑定位，所述DANet用于基于联合损伤等级表JDS进行的损伤评估。

4.根据权利要求3所述的自然灾害后建筑损伤评估方法，其特征在于，所述基于所述标注后的图像集，建立用于评估建筑损伤的数据集，包括：将所述标注后的图像集划分为训练集、验证集和测试集，形成用于评估建筑损伤的数据集。

5.根据权利要求4所述的自然灾害后建筑损伤评估方法，其特征在于，所述利用所述数据集对所述BDANet进行训练，得到建筑损伤评估模型，包括：

采用所述训练集和用于实时显示训练效果的所述验证集对所述BPNet进行训练更新，得到所述BPNet对应的第一权重数集；

通过所述第一权重数集在所述测试集上进行测试，得到BPNet模型；

采用所述训练集和用于实时显示训练效果的所述验证集对所述DANet进行训练更新，得到所述DANet对应的第二权重数集；

通过所述第二权重数集在所述测试集上进行测试，得到DANet模型；

将所述BPNet模型和所述DANet模型进行耦合，得到所述建筑损伤评估模型。

6.根据权利要求2所述的自然灾害后建筑损伤评估方法，其特征在于，所述损伤等级包括：无损伤，较小损伤，较大损伤，完全损毁。

7.根据权利要求3所述的自然灾害后建筑损伤评估方法，其特征在于，所述BPNet包括：呈U型网络架构的卷积层、池化层、残差层和上采样层。

8.根据权利要求3所述的自然灾害后建筑损伤评估方法，其特征在于，所述DANet包括：呈骨干网络架构的颈部层和检测头层。