典型文献
基于单阶段实例分割网络的黄土滑坡多任务自动识别
文献摘要：
滑坡自动识别能够解决人工目视解译方法速度慢的问题,现有基于深度学习的自动识别方法多以目标检测和语义分割等单任务识别方法为主.本文基于深度学习实例分割网络探索可同时完成滑坡目标定位和语义分割的多任务识别方法.首先,基于谷歌地球影像构建了包含3822个样本的黄土滑坡样本数据集;然后,采用单阶段实例分割网络(YOLACT)构建了基于小样本学习的黄土滑坡多任务自动识别模型;最后,通过大、中、小3种比例尺度的滑坡测试样本对识别结果进行评价.试验结果表明:①滑坡目标定位框(Box)平均精确度为61.66％,滑坡语义分割掩码(Mask)平均精确度为62.0％,大比例尺测试结果中Mask交并比为0.88;②基于YOLACT构建的滑坡识别模型可同时完成滑坡目标定位和滑坡高精度掩码分割的双任务识别,为滑坡多任务自动识别及快速制图提供了技术支撑.
文献关键词：
滑坡;自动识别;深度学习;实例分割;YOLACT
中图分类号：
作者姓名：
师芸;石龙龙;牛敏杰;赵侃
作者机构：
西安科技大学测绘科学与技术学院,陕西 西安710054
文献出处：
引用格式：
[1]师芸;石龙龙;牛敏杰;赵侃-.基于单阶段实例分割网络的黄土滑坡多任务自动识别)[J].测绘通报,2022(04):26-31
A类：
B类：
单阶段实例分割,实例分割网络,黄土滑坡,多任务,目视解译,速度慢,自动识别方法,目标检测,语义分割,单任务,目标定位,谷歌地球,影像构建,样本数据集,YOLACT,小样本学习,识别模型,比例尺度,Box,掩码,Mask,大比例尺,交并比,滑坡识别,双任务,快速制图
AB值：
0.297713
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。
