何 欣，贺占勇

深度学习技术应用于自动识别崩塌滑坡体初探

何 欣，贺占勇

（四川省国土空间生态修复与地质灾害防治研究院，成都 610081）

初步总结了基于无人机航拍影像使用深度学习技术对崩塌滑坡体进行自动识别的方法、效果以及存在问题，对深度学习技术基于无人机航拍影像自动识别崩塌滑坡体的可行性进行了研究，采用多尺度移动窗方法整合影像分类器以实现目标对象的自动识别。希望本文研究总结的深度学习技术应用于地质灾害隐患影像处理领域的可行性和困难能够供同业人员借鉴。

崩塌体；滑坡体；无人机影像；深度学习技术；自动识别

本研究对深度卷积神经网络用于崩塌、滑坡体影像自动识别进行了探索。深度学习技术近年来取得突破性进步，使计算机可有效将非结构化影像数据转换为结构化特征信息。应用这项技术的机器学习模型在多个领域上已经达到人类水平 (Goodfellow, Bengio, & Courville, 2016)。无人航空器小型化、智能化和经济化，使得航空摄影和遥感可以较低成本获得更多高质量的航空影像数据和遥感数据。

表1 研究样本分布、数据表

本文初步总结基于无人机航拍影像使用深度学习对崩塌滑坡体进行自动识别方法、效果以及存在问题。

1 数据和方法

1.1 工作数据概括

研究样本，获取无人机拍摄45处地质灾害隐患点4774张影像。分布在7个县18处滑坡和27处崩塌（表1）。

1.2 技术路线

研究的技术工作流程由三个部分组成：①影像数据的人工标注和分类；……