인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
Deep learning has been widely used in landslides detection. However, in practical application, the sample quality often cannot meet the requirements of training models. Some smaller landslides are easy to be omitted if there are multiple landslide objects in one sample. Furthermore, there are some objects with similar shape, texture and colour to landslides (complex backgrounds), such as bare land, roads, water surfaces and artificial buildings. The traditional landslides detection method is easy to confuse landslides and complex backgrounds, which leads to false and omissive detections. To solve the above two problems, a complex background enhancement method with multi-scale samples (MSSCBE) was proposed to improve sample quality. Using the background enhanced samples, the deep learning model can not only learn differences between landslides and complex backgrounds, but also learn the multi-scale features of landslides better. The proposed method was applied to detect landslides that occurred in Jiuzhaigou County, Sichuan Province. Comparative experiments were conducted using Mask R-CNN model. And the model trained with both MSSCBE background enhanced samples and original samples has the best performance. Compared with the model trained with only original samples, Precision, Recall, F1 Score and mIoU is improved by 29.76%, 5.59%, 17.82% and 25.80%, respectively.
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
