基于改进深度学习的航拍滑坡检测方法

为及时发现滑坡险情展开应急救援,提出一种结合逐通道不同阈值的深度残差收缩网络(DRSN-CW)方法的更快速区域卷积神经网络(Faster-RCNN)模型的航拍图像滑坡检测算法。利用图像增强的伽马变换、高斯滤波方法提高图片的质量;使用群组归一化方法消除batchsize大小对模型的影响;为减少噪声以及无关特征区域的干扰,采用DRSN-CW网络对滑坡检测目标进行精准定位。实验结果表明,改进后模型与先前模型相比F1值以及平均精度分别增加了10.7%、10.2%,可以有效检测滑坡险情。

基于全卷积残差收缩网络的地震波阻抗反演

卷积神经网络对地震波阻抗反演已经能取得不错的效果,但反演精度、抗噪声性能有待提高,针对此问题,本文提出了一种基于带逐通道阈值的全卷积残差收缩网络(FCRSN-CW)的地震波阻抗反演方法。该方法首先在残差网络的结构上加入了“注意力机制”和“软阈值化”构成反演网络,然后用波阻抗数据通过正演计算得到合成地震数据集,接着用该数据集训练全卷积残差收缩网络,最后将地震数据输入到训练好的网络中,直接得到反演结果。理论模型反演结果表明,该网络能准确地反演出波阻抗,具有良好的学习能力和抗噪声性能。实测数据反演结果表明,该方法能有效解决地震波阻抗反演问题。