基于GoogLeNet-CBAM船载图像的滑坡识别方法

0 引言

滑坡灾害是河岸消落带常见的自然灾害，对社会、经济和生态造成重大损失[1-2]。受水位波动的影响，这些地区容易发生山体滑坡，威胁到河流附近的道路、水路、水电站及水库的安全[3-4]。因此，及时准确地识别和监测滑坡区域尤为重要。目前识别滑坡的方式包括地形分析、遥感技术和地质调查。然而这些方法在应对不断变化的地质条件方面仍存在诸多不足。例如，在准确性和实时识别方面，传统方法对特征提取的要求较高，需要高质量的数据和详细的注释，应用难度大大增加。遥感技术具有时效性强、覆盖范围广和成本效益高等优点，是滑坡识别领域的热门研究方向[5-6]。尽管卫星遥感在快速评估滑坡变化方面取得了一定成果，为滑坡识别提供了宏观的视角[7-9]，但其对河流两岸地形深度的感知角度有限。单独使用遥感数据时，在峡谷狭长河道中可能识别不准确。相比之下，船载图像可以从剖面视图提供更清晰的滑坡图像，有助于发现遥感图像难以识别到的滑坡。船载图像识别技术通过在船只上安装高分辨率相机，沿河航行时拍摄两岸地形，与传统遥感影像相比，能提供更为详尽的信息，在滑坡的早期预警和监测方面表现优越，且具备时空连续性的优势，能够动态监测地表变化[10]

本文提出了一种基于多尺度特征融合的船载图像库区滑坡识别方法，结合了GoogLeNet网络和空间-通道注意力机制（CBAM）。通过挖掘不同尺度特征之间的潜在相关性，融合多个不同大小卷积核的运算结果，以实现多尺度特征的协同效应。……