来源：期刊VIP网 时间：
作者：邵进科;何荣;方志刚;朱光辉;
单位：河南理工大学测绘与国土信息工程学院;
摘要：针对目前深度学习算法在遥感影像的语义分割中识别滑坡体存在精度较差、模型单一的问题，基于UNet网络结构提出了使用Swin Transformer和ResNet双编码结构的特征提取网络SR＿UNet。网络通过融合两种不同尺度的语义信息构建兼顾全局-局部的特征，通过解码器还原特征层，并将网络应用于毕节滑坡数据集进行滑坡体识别工作。将模型识别结果与UNet、DeeplabV3+、Swin Transformer和Swin＿UNet模型进行对比。结果显示，相较于4种单一网络模型，SR＿UNet在MIoU上分别提升了4.34、3.42、7.45、2.15个百分点，且SR＿UNert在训练过程中拥有较快的收敛速度和较好的收敛效果。实验证明该模型在滑坡体识别中各方面都具有优于单一模型的性能，可以作为从遥感影像中识别滑坡体的有效手段。
关键词：深度学习;;双编码结构;;Swin Transformer;;语义分割;;滑坡识别
基金资助：NSFC-区域创新发展联合基金重点项目(U22A20566)
