基于Faster R-CNN和Mask R-CNN的滑坡自动识别研究

来源：大地测量与地球动力学杂志2025年第1期北京时间：

作者：于宪煜, 杨森

单位：1 湖北工业大学土木建筑与环境学院, 武汉市南李路28号, 430068

摘要：基于高分一号影像, 以三峡库区库首段为例, 通过目视解译出160个滑坡样本, 按照9:1比例分为训练样本和验证样本, 分别利用Faster R-CNN和Mask R-CNN算法构建滑坡自动识别模型。为进一步对比分析不同样本比例下两种模型的性能, 分别采用8:2、7:3、6:4的样本比例进行计算。研究结果表明, Mask R-CNN模型识别结果准确率、召回率和F1分数等3项指标均优于Faster R-CNN; 且经过交叉验证, 证明Mask R-CNN模型的性能更为稳定。

关键词：深度学习,滑坡识别,MaskR-CNN,FasterR-CNN,交叉验证

基金资助：国家自然科学基金(41807297),生态环境岩土与河湖生态修复学科引智创新示范基地基金(2020EJB004)