基于DETR的高分辨率遥感影像滑坡体识别与检测

滑坡灾害因其极大的破坏性而引起高度重视，如何快速、高精度地自动检测滑坡体成为主要研究问题。针对滑坡体检测数据不足、精度低、检测滑坡体不完全等问题，本文结合卷积神经网络（CNN）和Transformer的优点，以Transformer为主体，采用DETR网络实现滑坡体的自动检测。首先，对于数据集数据不足的问题，采用离线数据增强的方式实现滑坡体数据增广；然后，采用编码器-解码器结构的DETR网络结构对增广数据集进行多尺度训练和预测；最后，对试验结果进行定量评价。试验结果表明，采用DETR网络对滑坡体检测的平均准确率（AP）达0.997，可准确识别和检测滑坡体。此外，试验结果还验证了数据增强可有效提升DETR网络对滑坡体的检测精度。