基于Unet++網絡結構建筑物抗震能力評價研究

摘 要：為了快速評價建筑物的抗震能力，本文基于Unet++網絡結構，建立了抗震能力評價模型，主要功能包括特征圖的跳躍連接、深度監督機制、信息輸入與輸出。完成理論建模后，將某城市的一個下轄區作為評價對象，收集谷歌影像信息，同時進行現場實測，經過預處理后形成2000組樣本集，對模型進行訓練。在考慮不同抗震因素的情況下，檢測模型的評價效果，結果顯示該模型的準確率和精確性均達到了較高的水平。建筑物的抗震能力分為3個級別，傳統模式下通過現場實測評價其抗震能力，因此效率低。在人工智能時代，可將建筑物的影像信息、抗震特性作為主要的評價因素，利用神經網絡和機器學習進行自動化評價，Unet++網絡在該問題中有較大的應用潛力。

關鍵詞：Unet++網絡結構；建筑物抗震能力；評價模型

中圖分類號：TU 352" " " 文獻標志碼：A

1 基于Unet++的建筑物抗震能力評價模型

1.1 Unet++網絡概述

Unet是一種卷積神經網絡，最早應用于醫學圖像的自動化分割中。2018 年，在 Unet 的基礎上開發了Unet++神經網絡模型。Unet神經網絡在具體應用過程中有一定的局限性，主要問題是該模型的跳躍連接方式較為單一，導致精度較低。Unet++對該問題進行了改進，優化了跳躍連接的方式，使算法性能得到明顯提高。

1.1.1 Unet++的跳躍連接方式

Unet++中設計有嵌套網絡，以整體的網絡編碼結構為基礎，嵌套了部分子網絡，從而優化了連接跳躍的模式，這一改進措施提高了該網絡模型的監督效果。Unet和Unet++的區別為前者直接接收編碼器特征圖，后者通過密集卷積塊實現這一功能。……