基于改进的DeepLabV3+算法滑坡识别

作者：毛佳琪; 何敬^*; **; 付饶

来源：自然灾害学报, 2023, 32(02): 227-234.

DOI：10.13577/j.jnd.2023.0224

• 滑坡识别
• 深度学习
• 语义分割
• DeepLabV3+
• MobileNetV2

受地形、地貌、植被等因素的影响，滑坡的形态及光谱特性往往差异较大，因此，基于光谱、形状的分类识别方法很难准确地提取出滑坡信息。深度学习方法通过样本训练自主提取目标对象的特征，避开了人工构建特征的主观性，能够形成目标对象更加抽象、稳定的特征，极大地提升了识别精度。DeepLabV3+是基于深度学习方法的语义分割模型，它将影像分割与目标识别进行融合，在识别目标的同时能够有效地将目标对象从原始影像中分割出来。文中在DeepLabV3+的基础上，结合滑坡的特点，对其主干网络利用Xception、MobileNetV2、ResNet进行优化。通过毕节市滑坡数据集和“5·12”汶川地震的卫星滑坡影像，验证了优化后的模型均可较为准确地识别和分割图像中出现的滑坡，其中最大分割整体精度达到95.3%,最大识别准确度达到97%,最大F1＿Score达到97.1%。

• 单位
  成都理工大学; 地质灾害防治与地质环境保护国家重点实验室