报告详情
基于多源数据与对比学习的滑坡检测
编号：3876
访问权限：私有
更新：2023-04-20 22:22:13
浏览：192次
快闪报告
报告开始：2023年05月08日 10:44（Asia/Shanghai）
报告时间：3min
所在会场：[3A] 3A、地质灾害与工程地质 [3A-4] 3A-4 地质灾害与工程地质
暂无文件
摘要
基于多源数据与对比学习的滑坡检测
李朋磊，王毅*
（中国地质大学，地球物理与空间信息学院，武汉，430074）
滑坡是一种常见地质灾害，给人身安全、财产经济和地表环境造成严重破坏。利用卫星影像快速获取滑坡的位置信息，在灾情数据分析、防灾减灾及灾后重建指导中具有重要的应用与研究价值。随着人工智能技术的快速发展，基于深度学习的滑坡检测方法已成为现阶段灾害调查及评估的主要手段。
然而，这些方法虽然在各自研究区内表现了较好的检测性能，但仍存在以下挑战：(1) 忽视了不同层次特征图间的嵌套联系，造成滑坡分割边界粗略；(2) 传统数据增强技术仅能改变滑坡目标的位置，却忽视了目视特征，导致泛化性能差；(3) 遥感数据场景的复杂性与多变性造成现有滑坡检测模型识别性能效果不理想。
李朋磊，王毅*
（中国地质大学，地球物理与空间信息学院，武汉，430074）
滑坡是一种常见地质灾害，给人身安全、财产经济和地表环境造成严重破坏。利用卫星影像快速获取滑坡的位置信息，在灾情数据分析、防灾减灾及灾后重建指导中具有重要的应用与研究价值。随着人工智能技术的快速发展，基于深度学习的滑坡检测方法已成为现阶段灾害调查及评估的主要手段。
然而，这些方法虽然在各自研究区内表现了较好的检测性能，但仍存在以下挑战：(1) 忽视了不同层次特征图间的嵌套联系，造成滑坡分割边界粗略；(2) 传统数据增强技术仅能改变滑坡目标的位置，却忽视了目视特征，导致泛化性能差；(3) 遥感数据场景的复杂性与多变性造成现有滑坡检测模型识别性能效果不理想。
关键词
滑坡检测，遥感，卷积神经网络，残差模块，通道注意力模块。
报告人
李朋磊
中国地质大学（武汉）稿件作者
全部评论
重要日期
-
会议日期
05月05日
2023
至05月08日
2023
-
03月31日 2023
初稿截稿日期
-
05月25日 2023
注册截止日期
主办单位
青年地学论坛理事会
中国科学院青年创新促进会地学分会
中国科学院青年创新促进会地学分会
承办单位
武汉大学
中国科学院精密测量科学与技术创新研究院
中国地质大学（武汉）
中国科学院精密测量科学与技术创新研究院
中国地质大学（武汉）
发表评论