在人工智能下,AlexNet HSD模型用于工业遗产损害检测和适应性再利用
1History and Social Work College, Chongqing Normal University, Chongqing, 401331, China. zz18908361863@163.com.
Scientific reports
|July 19, 2025
概括
本研究引入了一种改进的AlexNet模型 (AlexNet HCS),用于工业遗产损害检测,达到95.7%的准确性. 改进的模型整合了注意力机制和SVM,以更好地保护和可持续地重用遗产遗址.
科学领域:
- 工程 工程师 工程师 工程师
- 计算机科学 计算机科学
- 遗产研究 遗产研究
背景情况:
- 保护工业遗产对于文化和经济发展至关重要.
- 准确的损害检测对于有效的遗产管理和适应性再利用至关重要.
研究的目的:
- 提高工业遗产损害检测的准确性和效率.
- 提出一个优化的深度学习模型,用于识别工业遗产遗址的结构损伤.
- 为可持续利用工业遗产提供基础.
主要方法:
- 优化AlexNet层次结构检测 (HSD) 模型的优化.
- 集成卷积块注意模块 (CBAM) 和支持矢量机器 (SVM) 来创建AlexNet HCS模型.
- 使用xView2建筑损坏评估数据集 (xBD) 和中国工业遗产数据进行实验验证.
主要成果:
- 亚历克斯网络HCS模型的准确率达到95.7%,比亚历克斯网络HSD提高12.2%.
- 精度,回忆和F1分数分别为94.8%,95.7%和95.2%.
- 废弃研究证实了CBAM和SVM的协同效益,计算开销最小.
结论:
- 拟议的AlexNet HCS模型显著提高了工业遗产损害检测性能.
- 这些发现支持对工业遗产的适应性再利用,特别是来自中国西南第三战线建设的工业遗产.
- 这项研究为科学和可持续利用工业遗产提供了技术和理论支持.
