典型文献
一种基于多源数据融合的滑坡地形深度学习识别模型研究
文献摘要：
传统高位远程滑坡识别依赖地质专家人工判别,识别效率较低.研究实现一种基于深度学习的滑坡地形自动识别模型,以提高大范围区域潜在滑坡隐患点筛查工作的效率.该模型以目标区域的遥感图像、DEM数据、地质分区、河流水系等地质观测数据为输入,针对不同类型观测数据差异巨大的问题,设计构建特征分支网络,精确提取对应的滑坡特征.对光学影像数据采用深层网络架构提取复杂特征,对海拔、地质构成、河流和断裂带分布等结构化数据采用浅层网络架构提取特征.随后设计特征融合模块,融合两个网络的提取结果获得全面的滑坡灾害特征.模型基于提取的滑坡特征进行滑坡区域语义分割,实现精准的像素级别滑坡地形分类和定位.通过实验验证,该模型对滑坡区域的识别准确率(ACC)达到了 0.85,可为滑坡自动识别提供技术支撑.
文献关键词：
深度学习;滑坡识别;多源数据融合;语义分割;特征分支网络
中图分类号：
作者姓名：
黄坚;李鑫;陈芳;崔茹;李慧敏;杜博文
作者机构：
北京航空航天大学软件学院,北京 100191;北京航空航天大学计算机学院,北京 100191
文献出处：
引用格式：
[1]黄坚;李鑫;陈芳;崔茹;李慧敏;杜博文-.一种基于多源数据融合的滑坡地形深度学习识别模型研究)[J].中国地质灾害与防治学报,2022(02):33-41
A类：
特征分支网络
B类：
多源数据融合,坡地,识别模型,高位远程滑坡,滑坡识别,自动识别,潜在滑坡,滑坡隐患,目标区域,遥感图像,DEM,河流水,观测数据,设计构建,滑坡特征,光学影像,影像数据,深层网络,网络架构,复杂特征,质构,断裂带,结构化数据,提取特征,设计特征,特征融合模块,滑坡灾害,灾害特征,滑坡区,语义分割,像素级,识别准确率,ACC
AB值：
0.363603
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
