基于深度学习建筑倒塌探地雷达反演与生还空隙检测方法

基于深度学习建筑倒塌探地雷达反演与生还空隙检测方法，以重建倒塌建筑内部的介电常数分布，在复杂灾害环境中，建筑物因地震、爆炸或结构失效发生倒塌时，其内部结构会受各种因素影响，形成不规则的支撑空间，这些空洞可能成为受困人员的生存空间，本申请引入U²‑Net结构作为反演网络，并在该框架中嵌入SE通道注意力机制，以提升模型对关键区域特征的关注度，提高反演精度；同时将BN替换为GN，增强小批量训练时的稳定性和泛化能力；最后对标签数据进行对数归一化处理，优化模型的数值学习能力，并在后处理阶段进行反归一化，以保证预测结果的物理可解释性。该方法在复杂倒塌结构环境下能够更准确地重建介电常数分布，为灾害救援提供可靠的辅助支持。