基于深度学习的泥石流孕灾区域识别
作者机构：云南师范大学云南大理671099
出 版 物：《电脑知识与技术》 (Computer Knowledge and Technology)
年 卷 期：2022年第18卷第4期
页 面：90-91页
学科分类：08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）]
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%。
维普期刊数据库
同方期刊数据库