融合注意力机制和空洞卷积的滑坡图像检测

滑坡区域图像检测与识别在灾害范围识别、灾情数据分析和防灾减灾中具有丰富的应用和研究价值。本文针对滑坡图像滑坡体形状纹理的多样性，以及滑坡目标区域检测识别效果不够理想的问题，提出一种注意力机制CBAM与空洞卷积结合的目标检测方法。在传统的目标检测算法Faster R-CNN的基础上，将注意力机制模型添加到卷积神经网络层，通过空间注意力与通道注意力结合的CBAM模型来进行滑坡图像特征的提取，增加空洞卷积模块来加大感受野区域，提高神经网络对遥感图像区域中的滑坡目标识别、尺寸不规范等特点的学习能力，从而进一步提升滑坡目标区域的检测精度。实验结果表明，在传统的目标检测算法的基础上采用两者结合的方式进行检测，可提升滑坡遥感图像上目标检测的召回率和精确率，具有一定的有效性和鲁棒性。

Landslide Image Detection Based on Dilated Convolution and Attention Mechanism