迁移学习帮大忙！成都理工大学搭建 SCDUNet++ 模型进行滑坡测绘
💡
原文中文，约9300字，阅读约需23分钟。
📝
内容提要
成都理工大学的研究人员提出了SCDUNet++，一种结合了卷积神经网络和Transformer的语义分割模型，能够准确识别和提取滑坡特征，性能优于其他深度学习模型。该模型在滑坡测绘和迁移性方面表现出优势。
🎯
关键要点
- 滑坡是常见自然灾害，通常由地震和降雨引发，造成严重损失。
- 滑坡测绘对紧急救援和灾后重建至关重要。
- 现有遥感图像滑坡地图绘制方法面临挑战，因滑坡特征和规模差异大。
- 成都理工大学提出SCDUNet++模型，结合CNN和Transformer，提升滑坡特征识别能力。
- SCDUNet++在IoU和F1指标上优于其他8个深度学习模型，性能显著提升。
- 模型利用多通道数据和地形光谱指数因子改善滑坡绘图效果。
- 经过深度迁移学习，模型在数据匮乏地区的性能显著提高。
- 实验选择泸定和九寨沟地区进行，数据集包含多光谱数据和数字高程模型。
- SCDUNet++模型的GLFE和DSSA模块有效提升特征提取和分类能力。
- 模型评估显示，SCDUNet++在复杂环境中保持高检测准确性，处理假正例和假负例表现优越。
- 成都理工大学在地质灾害防治领域具有重要地位，致力于研究和技术开发。
- AI和大数据技术在自然灾害防范和预警中发挥重要作用。
🏷️
标签
➡️
