Исследователи из Университета Пердью использует глубокое обучение, чтобы сократить время, необходимое инженерам, чтобы оценить повреждения зданий после стихийных бедствий.
Инженеры должны быстро документировать повреждения зданий, мостов и трубопроводов после катастрофы. «Эти команды инженеров берут много фотографий, около 10000 изображений в день, и эти данные имеют решающее значение, чтобы узнать, как бедствие затронуло структуру города,» сказал Ширли-Дейк, профессор университета Пердью. «Каждое здание должно быть проанализировано людьми, и это занимает огромное количество времени, чтобы просмотреть каждое изображение и составить описание для него, так чтобы и другие могли использовать его.»
«К сожалению, нет никакого способа, чтобы быстро анализировать эти тысячи изображений, которые необходимы, чтобы определить ущерб от события», — сказал доктор Уеимбыл Чхоль мин. «Когда люди смотрят на изображения более одного часа, они устают, в то время как компьютер может продолжать анализировать».
Используя титан графических процессоров вместе с cuDNN, исследователи обучили нейронные сети на большом наборе данных около 8000 изображений, с надписями на фотографиях на которых показаны строительные материалы, которые были либо повреждены, либо не развалилась«.
«Это первое в истории использование глубокого обучения для этих типов изображений», — заявил Дайк. "Мы имеем дело с реальными изображениями зданий, которые были повреждены из за торнадо, ураганов, наводнений и землетрясений.