报告详情
基于Transformer的同震滑坡识别方法研究
编号：3850
访问权限：私有
更新：2023-04-20 22:19:56
浏览：325次
口头报告
报告开始：2023年05月07日 16:36（Asia/Shanghai）
报告时间：8min
所在会场：[3A] 3A、地质灾害与工程地质 [3A-3] 3A-3 地质灾害与工程地质
暂无文件
摘要
西部山区强震常诱发大量滑坡，造成严重的人员伤亡和财产损失，快速全面地识别同震滑坡对地震应急救援路有重要的参考意义。航空遥感技术在地震应急救援中的应用越来越广泛，但是航空遥感数据的分辨率高、数据量大，常用的卷积神经网络面临感受野小的问题。针对这一问题，本文提出利用Transformer神经网络快速识别地震诱发的滑坡。Transformer优势在于能够建模遥感图像中像元之间的高阶交互作用，具有比卷积神经网络更大的感受野。同时，Transformer也能够有效地利用遥感图像中的地理位置信息。实验结果表明，基于Transformer的滑坡识别模型优于卷积神经网络滑坡识别模型，具有更高的同震滑坡识别准确度，在九寨沟震区的同震滑坡识别精度高达95.6%。该方法已成功用于支持2022年9·5泸定地震的应急救援工作，取得了良好的社会效益。
关键词
滑坡识别,深度学习,Transformer
报告人
唐小川
成都理工大学稿件作者
全部评论
重要日期
-
会议日期
05月05日
2023
至05月08日
2023
-
03月31日 2023
初稿截稿日期
-
05月25日 2023
注册截止日期
主办单位
青年地学论坛理事会
中国科学院青年创新促进会地学分会
中国科学院青年创新促进会地学分会
承办单位
武汉大学
中国科学院精密测量科学与技术创新研究院
中国地质大学（武汉）
中国科学院精密测量科学与技术创新研究院
中国地质大学（武汉）
发表评论