换一批摘要近年来,随着工程建设的快速发展,工程活动改变了边坡原始地质条件,导致滑坡灾害频繁发生,严重威胁人民的生命财产安全.因此,深入研究滑坡的快速、精确识别方法对于防灾减灾具有重要意义.本文提出一种基于EfficientNet高效网络提取滑坡深度特征的潜在滑坡识别方法,该方法通过寻找一组最优的复合系数从深度、宽度、分辨率三个维度对神经网络进行扩展,自适应地优化网络结构,并引入带动量的梯度下降算法(Stochastic Gradient Descent Momentum,SGDM)作为网络学习的优化器,充分考虑历史梯度的影响,在参数更新过程中不断调整当前梯度值,从而相应地调整参数的更新幅度,改善神经网络的学习效果,提取滑坡体的深层次特征.实验结果表明,EfficientNet模型在测试集上的平均准确度达到92.78%,可以高效准确地实时提取滑坡信息,对灾后的快速反应有指导意义.
更多相关知识
关键词
滑坡识别深度特征EfficientNet带动量的梯度下降算法(SGDM)landslide identificationdeep featureEfficientNetStochastic Gradient Descent Momentum(SGDM)
分类号
P642.22
栏目名称
DOI
10.3969/j.issn.2097-0013.2023.03.001
发布时间
2023-10-07（万方平台首次上网日期，不代表论文的发表时间）
- 浏览4
- 被引8
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
