基于深度学习的高分辨率遥感影像滑坡体识别方法研究
陈龙1
葛澄1
戴颖超2
王宏宇3
刘维维4
1.成都大数据产业技术研究院有限公司,成都 6100952.四川天府新区创新装备研究院,成都 610299;重庆大学自动化学院,重庆 4000443.北京理工大学,北京 1000814.四川天府新区创新装备研究院,成都 610299
摘要：针对现有滑坡体检测精度低的现实问题,提出了一种基于深度学习的滑坡体检测框架.该框架包含数据采集与处理、特征选择、检测模型三个部分,可融合多源数据有效提高对滑坡体检测能力.提出了多模态的KlA-lexNet模型,可实现像素级分割预测,有效地融合空间特征.实验结果表明,所提KlAlexNet模型具备高精度的滑坡体检测能力.与U-Net、U-Net++、FC_DenseNet、YOLOv9-seg等方法相比具备优势.实验结果验证了所提方法的有效性和实用性,该方法具有广阔的应用前景.
关键词：深度学习滑坡检测卷积神经网络特征提取损失函数
分类号：TP393(计算技术、计算机技术)
资助基金：基于天空地一体化的滑坡监测评估与应急系统研发与应用(2023-CY02-00002-GX)
论文发表日期：2025-06-30
在线出版日期：2025-08-25（本平台首次上网日期，不代表文献的发表时间）
页数：9( 66-74 )
英文信息