冰斗是山地冰川中一种重要的地貌，典型的冰斗三面环绕陡峭的岩壁，呈半圆形或围椅状洼地。冰斗可以提供关于过去冰川和气候的特征的定量和定性信息，具有重要的古气候指示意义。冰斗主要集中在高海拔区域，大部分是集中的，还有一部分是分散的，这使得手工制图需要耗费大量的时间。本文的研究是基于数字高程模型(DEM)数据的自定义数据集，测试卷积神经网络RetinaNet模型识别冰斗的能力，并添加注意力机制(CBAM)进行训练和预测正确检验冰斗的效果。通过增加训练样本数量，改进输入数据，以目标检测RetinaNet模型为基础添加注意力机制(CBAM)模块进行模型训练，并且结合AuToCirque工具(Li，2022)在勘察加半岛进行应用分析。添加注意力机制模块可将平均精度提高5%，经过训练，在划定的测试区域该网络能够高精度识别冰斗。该模型可以有效的确定冰斗，为后续冰斗的分析提供帮助。
 

卷积神经网络,冰斗,注意力机制