低空遥感地质灾害目标数据集的制作及测试.docx

摘要

数据集制作是利用深度学习方法进行地质灾害目标自动检测的重要基础。提出一种无人机影像地质

灾害 目标 数据 集（disaster event dataset，DED）的制作方法，该数据集包含坍塌房屋、滑坡

和泥石流 3 种典型地质灾害目标，共有 16 535 个标注对象。使用 Faster R‐CNN 模型进行实验

评估以检验 DED 的有效性，并基于不同深度的预训练网络以及是否使用 k‐means 聚类优化进行

对比实验。结果表明，基于 DED 训练深度网络有较好的效果。

Abstract

Dataset production is an important basis for the automatic detection of geological

disaster targets based on deep learning methods. We propose a method to produce

whether k‐means clustering optimization is used. The results show that our dataset

has a good training effect on the deep networks.

译

关键词

地质灾害目标; 数据集制作; 深度学习; 目标检测; Faster R‐CNN

Keywords

geological disaster event; datasets production; deep learning; object

detection; Faster R‐CNN

译

基于机器学习方法的遥感图像灾害目标检测是灾害分析中的研究热点之一。这类方法的初期模型有

并且所选特征描述符的稳健性不高，该类方法还不足以创建用于灾害损伤检测的强泛化模型。

深度学习

［ 4 ， 5］

network， CNN）在目标识别领域表现优异

度学习方法提供了对灾害目标特征相对高级的解释，且减少了特征提取前的诸多繁琐的预处理步骤，

部署训练好的模型便可实现目标的快速检测。文献［11］中利用 Google Earth 影像制作滑坡样本

数据集，并搭建了一个包含 3 个卷积层和两个全连接层的 CNN，经训练后用于遥感图像滑坡区域

的自动提取。相比于传统方法，基于深度网络的方法使影像信息得到了充分利用，提取的精度和召