改进的DeepLabV3+模型用于震后高分遥感影像滑坡识别

利用“深度学习+遥感”在高分遥感影像上快速识别滑坡,对于灾后应急救援工作的开展具有非常重要的现实意义。但目前为止,公开的深度学习滑坡识别数据集较少,难以满足相关研究人员利用深度学习方法开展滑坡识别研究的任务需求;基于此,本文使用谷歌地球影像和高分六号遥感影像制作并公开了一个样本数量达到10000+,空间分辨率为2 m的深度学习滑坡数据集,用于相关学者开展研究。此外,为有效识别滑坡,提取滑坡边界及细节等信息,本文提出了一种改进的DeepLabV3+模型用于滑坡识别,即在DeepLabV3+模型的基础上,引入通道注意力机制特征融合模块和转置卷积来重构模型。实验结果表明,与主流算法(FCN,U-Net,SegNet,DeepLabV3+)相比,改进的DeepLabV3+模型在滑坡的边界及细节方面提取效果更好,所得结果更接近于真实标签。本文的相关代码和数据可在(https://github.com/ZhaoTong0203/landslides_identification_model_code.git)获得。