河道山地灾害的卷积神经网络快速识别方法

• 作者: 康飞 李俊杰 赵鹏辉
• 来源期刊: 水利水运工程学报
• 关键词: 河道山地灾害 卷积神经网络 图像识别 川藏公路
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 2018水库大坝安全与风险管理国际研讨会论文
• 页码范围: 65-70
• 页数: 6页
• 分类号: TU43
• 语种: 中文
• DOI: 10.16198/j.cnki.1009-640X.2019.02.009

摘要

河道山地灾害如泥石流、滑坡、山洪、水土流失等严重危害着河道周边公路、铁路、桥梁、大型水利工程等重要基础设施的安全.快速识别已发生的河道山地灾害意义重大,而传统巡检方式具有极高的危险性和滞后性,迫切需要新方法来替代.以深度卷积神经网络为代表的深度学习技术具有局部感知、参数共享、池化等多个特性,相比传统机器学习方法具有更强大的特征学习和特征表达能力.在深度学习开源框架下,利用大量河道山地灾害图片数据完成了Caffenet等多个深度模型的训练,并结合迁移学习方法,使河道山地灾害识别准确率最终达到90％以上,为河道山地灾害快速识别、群防群测体系的完善提供了新思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李俊杰	大连理工大学建设工程学部水利工程学院	65	485	12.0	20.0
3	康飞	大连理工大学建设工程学部水利工程学院	27	157	6.0	12.0
6	赵鹏辉	大连理工大学建设工程学部水利工程学院	1	0	0.0	0.0