来源：期刊VIP网 时间：
作者：唐烽顺;郝利娜;宋雨洋;武德宏;
单位：成都理工大学地球科学学院;
摘要：基于目视解译的滑坡数据集选取两大类(6个)目标检测算法构建滑坡自动识别模型,以四川省阿坝州作为研究区进行滑坡自动识别.基于高分辨率卫星影像构建包含3 120个样本的滑坡样本数据集;选取4种一阶段检测算法YOLOv5(s、 m、 l、 x)与两种二阶段检测算法Faster R-CNN(VGG16和ResNet-50)分别构建滑坡自动识别模型;为探究样本数量对模型识别精度的影响,将样本数据集总数分为1 000、 2 000和3 000,通过滑坡测试样本对识别结果进行评价.结果表明,基于目标检测的两类滑坡识别模型中,一阶段YOLOv5模型比二阶段Faster R-CNN模型更适用于滑坡识别;样本数对滑坡识别模型的性能具有一定影响.在较少样本的情况下,选择YOLOv5s模型能够获得较高的识别精度,随着样本数的增加,使用YOLOv5m模型可以获得更好的滑坡识别效果.
关键词：滑坡;;深度学习;;YOLOv5;;Faster R-CNN
基金资助：国家重点研发计划项目(2021YFC3000401)
