[发明专利]一种基于深度学习的滑坡识别方法及系统

权利要求书

1.一种基于深度学习的滑坡识别方法，其特征是，包括：

S100：对滑坡图像进行特征提取，所提取特征为特征图；

S200：通过RPN检测网络处理特征图，得到推荐的目标候选区域；

S300：对目标候选区域的特征图进行特征提取，获取目标分类结果。

2.如权利要求1所述的基于深度学习的滑坡识别方法，其特征是：

步骤S100中，利用残差通道注意力机制网络ERCA-Net对滑坡图像进行特征提取。

3.如权利要求2所述的基于深度学习的滑坡识别方法，其特征是：

所述残差通道注意力机制网络ERCA-Net由1D卷积、软阈值和残差网络三个结构构建；其具体执行如下：

对输入依次进行全局平均池化，获得原始特征图；对原始特征图依次进行1D卷积、激活函数激活；再利用软阈值作为非线性变换层，消除不重要特征，得到重新赋值的特征图；利用残差网络将重新赋值后的特征图与原始特征图相加得到最终的特征图。

4.如权利要求1所述的基于深度学习的滑坡识别方法，其特征是：

步骤S200中，RPN检测网络的执行过程如下：

对特征图，为每个滑动窗口的中心位置生成若干锚点，锚点数量记为m，获得初始检测框；对生成的锚点进行物体分类和边框回归，即判断锚点内是检测目标还是背景，获得分类预测。