EMR-HRNet:一个多尺度的功能融合网络,用于从远程传感图像中进行山体滑坡细分
Yuanhang Jin1, Xiaosheng Liu1, Xiaobin Huang1
1School of Civil Engineering and Surveying & Mapping Engineering, Jiangxi University of Science and Technology, Ganzhou 341000, China.
Sensors (Basel, Switzerland)
|June 19, 2024
概括
本研究介绍了EMR-HRNet,这是使用遥感数据进行滑坡细分的先进框架. 它显著提高了从卫星和无人机图像中识别滑坡特征的准确性.
科学领域:
- 地质科学 地质科学
- 遥感 遥感 遥感 遥感
- 计算机视觉 计算机视觉
背景情况:
- 滑坡对人类安全和自然资源构成重大风险.
- 传统的山体滑坡调查方法是劳动密集型的,需要专门的专业知识.
- 准确和高效的山体滑坡细分对于灾害管理至关重要.
研究的目的:
- 开发一个名为EMR-HRNet的创新和准确的山体滑坡细分框架.
- 为了提高模型捕捉复杂的滑坡特征的能力,并提高语义识别.
- 通过多源光学遥感数据,为山体滑坡细分提供强大的解决方案.
主要方法:
- 提出了一种新的数据增强技术,CenterRep,以增强特征捕获.
- 将RefConv和多Dconv头部转移注意力 (RMA) 功能金字塔集成到HRNet.
- 整合了扩展高效多尺度注意力 (DEMA) 块,以扩大受体场并改善局部特征辨别.
主要成果:
- 与比济和四川数据集上现有的语义细分模型相比,EMR-HRNet实现了更高的性能.
- 在各自的数据集中,实现了81.70%和71.68%的欧盟 (mIoU) 交叉点的平均得分.
- 废弃性研究证实了拟议增强的有效性.
结论:
- 在卫星和无人机遥感图像中,EMR-HRNet显示了精确的山体滑坡细分的巨大潜力.
- 该框架提供了一种更有效和有效的方法来评估山体滑坡危险.
- 该研究强调了先进的深度学习技术在地质科学应用中的价值.


