CN115761297B 一种基于边缘引导的注意神经网络自动识别滑坡的方法 （郑州大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115761297B(45)授权公告日2025.07.08

(21)申请号202211035893.4

(22)申请日2022.08.27

(65)同一申请的已公布的文献号申请公布号CN115761297A

(43)申请公布日2023.03.07

(73)专利权人郑州大学

地址450001河南省郑州市高新技术开发

区科学大道100号

(72)发明人魏海涛郭恒亮刘帮赵姗

乔宝晋

(74)专利代理机构郑州科维专利代理有限公司41102

专利代理师李天霞

(51)Int.CI.

GO6V10/764(2022.01)

GO6V10/774(2022.01)

GO6V10/80(2022.01)

GO6V10/82(2022.01)

GO6V10/26(2022.01)

GO6N3/0464(2023.01)

GO6N3/084(2023.01)

(56)对比文件

CN114463643A,2022.05.10CN111222466A,2020.06.02审查员王永贵

权利要求书2页说明书7页附图8页

(54)发明名称

一种基于边缘引导的注意神经网络自动识别滑坡的方法

(57)摘要

CN115761297B本发明提供了一种基于边缘引导的注意神经网络自动识别滑坡的方法，利用EdgeBoxes方法对滑坡遥感影像进行边缘检测得到边缘图，将边缘图与滑坡数据集组成新的滑坡数据集并将其划分为训练集、验证集和测试集；将训练集进行数据增强处理，并将训练集、验证集和测试集的图像进行归一化处理；使用归一化后的训练集对基于边缘引导的注意神经网络进行训练，并使用归一化后的验证集进行验证，保存验证集上表现最好的网络模型；使用归一化后的测试集在保存的网络模型上测试得到滑坡识别结果，本方法

CN115761297B

行边缘检测得到边缘图

将边缘图与滑坡数据集组成新的滑坡数据集并划分为训练集、验证集、测试集

对训练集进行数据增强处理

构建基于边缘引导的注意网络

对网络进行训练

保存最好模型并对测试集中的滑坡进行识别

CN115761297B权利要求书1/2页

2

1.一种基于边缘引导的注意网络自动识别滑坡的方法，其特征在于，包括以下步骤：

步骤S1、将滑坡数据集中的滑坡遥感影像采用EdgeBoxes方法提取边缘图，获取网络输入的边缘图；

步骤S2、将步骤S1中提取的边缘图加入到滑坡数据集组成新的滑坡数据集，并将新的滑坡数据集划分为训练集、验证集和测试集，用于网络的训练、验证以及测试；

步骤S3、对步骤S2中划分的训练集进行数据增强得到数据增强后的训练集图像，再将步骤S2划分的验证集、测试集和步骤S3中数据增强后的训练集图像进行归一化处理，防止网络出现过拟合；

步骤S4、构建基于边缘引导的注意神经网络，得到滑坡识别的深度学习模型；

步骤S5、使用交叉熵损失函数、GeneralizedDice损失函数以及Sobel边缘损失函数组成的损失函数对步骤S4构建的基于边缘引导的注意神经网络进行训练，得到初步训练完成的滑坡识别模型；

步骤S6、使用步骤S3归一化后的训练集对步骤S5训练后的基于边缘引导的注意神经网络，并使用步骤S3归一化后的验证集进行验证，保存验证集上表现好的网络模型；

步骤S7、使用步骤S3归一化后的测试集在步骤S6保存的网络模型上测试，得到滑坡识别结果。

2.根据权利要求1中所述的基于边缘引导的注意神经网络自动识别滑坡的方法，其特征在于，所述步骤S2中，将包含滑坡的数据集随机分成10份，按照6:1:3的比例划分为训练集、验证集和测试集。

3.根据权利要求1所述的基于边缘引导的注意神经网络自动识别滑坡的方法，其特征在于，所述步骤S3的具体操作为：

步骤S301、同时读取训练集中某一地区的RGB遥感图像与边缘图，依照概率对数据进行水平、垂直翻转、90度旋转、光学畸变的数据增强，并加入高斯或椒盐噪声，完成训练集数据增强；

步骤S302、使用双线性插值方法将验证集、测试集以及步骤S2中新的滑坡数据集的训练集的图像的各通道像素值归一化至0～1。

4.根据权利要求1中所述的基于边缘引导的注意神经网络自动识别滑坡的方法，其特征在于，所述步骤S4具体操作为：

步骤S401、构建包含V