基于DETR的高分辨率遥感影像滑坡体识别与检测
滑坡灾害因其极大的破坏性而引起高度重视,如何快速、高精度地自动检测滑坡体成为主要研究问题.针对滑坡体检测数据不足、精度低、检测滑坡体不完全等问题,本文结合卷积神经网络(CNN)和Transformer的优点,以Transformer为主体,采用DETR网络实现滑坡体的自动检测.首先,对于数据集数据不足的问题,采用离线数据增强的方式实现滑坡体数据增广;然后,采用编码器-解码器结构的DETR网络结构对增广数据集进行多尺度训练和预测;最后,对试验结果进行定量评价.试验结果表明,采用DETR网络对滑坡体检测的平均准确率(AP)达0.997,可准确识别和检测滑坡体.此外,试验结果还验证了数据增强可有效提升DETR网络对滑坡体的检测精度.
滑坡、目标检测、卷积神经网络、DETR、注意力机制
P237(摄影测量学与测绘遥感)
云南省基础研究计划项目;国家自然科学基金;云南省基础研究计划项目
2023-06-07(万方平台首次上网日期,不代表论文的发表时间)
共5页
16-20