基于MultiU-EGANet模型的同震滑坡智能识别

摘要

同震滑坡制图在应急救援和灾害评估中具有至关重要的作用.为更好进行滑坡识别，提出了一种新的改进模型——MultiU-EGANet.该模型以U-Net模型为基线模型，通过引入MultiRes模块，实现对不同尺度特征信息的提取；引入边缘引导注意力模块（edge-guided attention, EGA），通过拉普拉斯算子强化滑坡边界，从而提高模型对边界的分割精度；结合Dice loss和Focal loss构造复合损失函数，进一步增强模型的鲁棒性.基于九寨沟地区滑坡数据进行实验，结果表明改进模型相较于基线模型，滑坡识别精度得到了明显提升.此外，基于北海道地区滑坡数据进行模型对比实验，结果表明，所提出方法相较于其他现有模型在滑坡识别任务中表现更为优越，F1值分别提升了33.31%、5.45%、2.31%、2.18%.实验结果充分证明了所提出方法在同震滑坡识别中的有效性.

关键词

同震滑坡 / 变化检测 / 多尺度 / 边缘引导 / 工程地质