基于Swin Transformer目标全景分割的三峡库首土质滑坡识别

作者：邓志勇; 黄海峰^*; 李清清; 周红; 张瑞; 柳青; 董志鸿

来源：水利水电技术(中英文), 2023, 1-12.

• Swin Transformer
• 全景分割
• 三峡库首
• 土质滑坡
• 隐患识别

【目的】滑坡识别是解决山区地质灾害隐患在哪里的关键。人工智能尤其是深度学习方法开始被广泛应用于目标识别领域，但对于多植被山区复杂环境下的滑坡隐患识别，存在着模型单一、精度较差等问题。【方法】故本文提出一种基于Swin Transformer（Shift Windows Transformer）作为骨干网络结合目标全景分割的智能识别方法，对三峡库首区域土质滑坡开展识别。将三峡库首的485处土质滑坡制作成样本集，并分为训练集和测试集。将训练集加载进Swin Transformer模型中进行训练，模型采用自注意力机制对训练集提取特征，构建特征图，测试集验证特征图的识别精度，保留识别精度最高的特征图。最终以此实现滑坡目标与背景区域的有效区分进而完成隐患识别，同时与DeepLab V3模型进行对比。【结果】结果显示：Swin Transformer模型在识别精度和识别速度上都要高于DeepLab V3模型，在三峡库首的试验中准确率可以达到83.55%，单张图片预测时间为0.18s。【结论】结果表明：该方法能够在多植被山区复杂环境下快速识别土质滑坡，可为多植被山区的滑坡灾害调查提供参考。

• 单位
  三峡大学