[CS10-19] Damage detection of buildings based on Convolutional Neural Network using on-site photos
Keywords:Deep learning, Image recognition, Building damage, on-site photo, The 2016 Kumamoto earthquake
地震をはじめとした種々の自然災害発生後,被災地やその周辺の自治体職員等が被災した建物の被害程度を被害認定調査によって明らかにし,災害対応や復旧・復興支援施策実施の足掛かりとしている.
しかしながら,このような調査は災害の規模が大きく,被害が広範囲に及ぶと,調査対象となる建物が急増することから,人員不足に伴う調査時間の遅延などが問題視されている.
そこで,本研究では,被害認定調査の効率化を目的として,建物の外観画像データに深層学習のアルゴリズムの一つである畳み込みニューラルネットワークを適用して建物の被災度判別を試みた.結果として,建物の全壊・非全壊判別を8割近い精度で行うことができた.
しかしながら,このような調査は災害の規模が大きく,被害が広範囲に及ぶと,調査対象となる建物が急増することから,人員不足に伴う調査時間の遅延などが問題視されている.
そこで,本研究では,被害認定調査の効率化を目的として,建物の外観画像データに深層学習のアルゴリズムの一つである畳み込みニューラルネットワークを適用して建物の被災度判別を試みた.結果として,建物の全壊・非全壊判別を8割近い精度で行うことができた.
Please log in with your participant account.
» Participant Log In