基于深度学习的泥石流孕灾区域识别  

作　　者：彭娟 王保云[1] 杨丽彬 孙显辰 张漫迪 

机构地区：[1]云南师范大学,云南大理671099

出　　处：《电脑知识与技术》2022年第4期90-91,共2页Computer Knowledge and Technology

基　　金：云南省大学生创新创业训练项目(D2019087)。

摘　　要：针对目前基于遥感影像技术的泥石流孕灾区识别自动化较低、对全局特征表征有限等问题,该文提出了基于AlexNet神经网络的泥石流孕灾区识别方法。基于云南高原山区DEM数据,利用区域生长算法对泥石流孕灾沟谷实现对象识别、分割和验证。在对数据集进行数据增强后,通过深度学习网络设定和数据类别确定,进而对泥石流孕灾沟谷的全局特征进行有效学习,并实现了对沟谷发生泥石流次数的准确分类。同时,该文基于验证集、测试集的平均分类精度及混淆矩阵,对模型进行验证,实验结果表明该模型针对泥石流孕灾区能够取得较为高效准确的识别效果,分类预测平均准确率可达94%。

关 键 词：AlexNet 区域生长算法 泥石流孕灾区 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]