典型文献
融合注意力机制和空洞卷积的滑坡图像检测
文献摘要：
滑坡区域图像检测与识别在灾害范围识别、灾情数据分析和防灾减灾中具有丰富的应用和研究价值.本文针对滑坡图像滑坡体形状纹理的多样性,以及滑坡目标区域检测识别效果不够理想的问题,提出一种注意力机制CBAM与空洞卷积结合的目标检测方法.在传统的目标检测算法Faster R-CNN的基础上,将注意力机制模型添加到卷积神经网络层,通过空间注意力与通道注意力结合的CBAM模型来进行滑坡图像特征的提取,增加空洞卷积模块来加大感受野区域,提高神经网络对遥感图像区域中的滑坡目标识别、尺寸不规范等特点的学习能力,从而进一步提升滑坡目标区域的检测精度.实验结果表明,在传统的目标检测算法的基础上采用两者结合的方式进行检测,可提升滑坡遥感图像上目标检测的召回率和精确率,具有一定的有效性和鲁棒性.
文献关键词：
滑坡;注意力机制;Faster R-CNN;空洞卷积;目标检测
中图分类号：
作者姓名：
刘学虎;欧鸥;张伟劲;杜雪垒
作者机构：
成都理工大学计算机与网络安全学院(牛津布鲁克斯学院),四川 成都 610059
文献出处：
引用格式：
[1]刘学虎;欧鸥;张伟劲;杜雪垒-.融合注意力机制和空洞卷积的滑坡图像检测)[J].计算机与现代化,2022(04):45-51
A类：
B类：
空洞卷积,滑坡区,图像检测与识别,范围识别,灾情,防灾减灾,滑坡体,目标区域,区域检测,检测识别,CBAM,目标检测方法,目标检测算法,Faster,注意力机制模型,网络层,空间注意力,通道注意力,图像特征,特征的提取,卷积模块,感受野,高神,遥感图像,目标识别,检测精度,召回率,精确率
AB值：
0.325475
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。
