报告详情
基于一种通用半监督学习框架的历史滑坡智能识别
编号：4164
访问权限：仅限参会人
更新：2024-04-17 14:06:24
浏览：796次
快闪报告
报告开始：2024年05月19日 20:12（Asia/Shanghai）
报告时间：3min
所在会场：[S3] 主题3、地质灾害与工程地质 [S3-7] 主题3、地质灾害与工程地质 主题三研究生主题论坛（19日晚上，305）
暂无文件
摘要
针对现有基于深度学习的历史滑坡识别任务过度依赖人工标记样本，导致训练成本高昂，而小样本情况下识别精度较低问题，提出了一种通用半监督学习框架。该框架包含了双分支输入扰动（DIP）生成方法和独立三流扰动（ITP）结构，以提高有限标记下的滑坡识别精确度。DIP旨在最大限度地利用人工预设的扰动空间，并在学习过程中减少错误信息的引入。ITP结构统一了输入、特征和模型扰动，拓宽了扰动空间，实现了无标记滑坡影像多维度特征挖掘学习。在三个开源滑坡数据集上，该框架的IoU比监督学习最多提升了26.68%、7.05%和12.96%。此外，该框架能在不超过40%标记样本的情况下，实现与100%标记样本的监督学习相当甚至更高的滑坡识别精确度。
关键词
滑坡地质灾害,遥感影像,半监督学习,一致性正则化
报告人
冉树浩
博士研究生 武汉大学水工程科学研究院稿件作者
全部评论
重要日期
-
会议日期
05月17日
2024
至05月20日
2024
-
03月31日 2024
初稿截稿日期
-
03月31日 2024
报告提交截止日期
-
05月20日 2024
注册截止日期
主办单位
青年地学论坛理事会
承办单位
厦门大学近海海洋环境科学国家重点实验室
中国科学院城市环境研究所
自然资源部第三海洋研究所
中国科学院城市环境研究所
自然资源部第三海洋研究所
联系方式
- 辜克兢（会务总协调、会场安排、学术安排）
- gu******@xmu.edu.cn
- 139********
- 柳欣（会务总协调）
- li******@xmu.edu.cn
- 138********
- 孙佳妮（会务总协调）
- sc******@chytey.com
- 152********
- 窦恒（会场安排、学术安排）
- do******@chytey.com
- 186********
- 李招英（会场技术服务）
- li******@xmu.edu.cn
- 138********
- 刘琳（学术安排）
- ll******@iue.ac.cn
- 133********
- 李虎（学术安排）
- hl******@iue.ac.cn
- 189********
- 柳欣（学术安排）
- li******@xmu.edu.cn
- 138********
- 胡勤梅（会议注册）
- ma******@chytey.com
- 135********
- 孙晓笛（会议注册）
- xi******@xmu.edu.cn
- 188********
- 许心雅（会议财务）
- xu******@xmu.edu.cn
- 180********
- 朱佳（商业赞助）
- zh******@xmu.edu.cn
- 139********
- 张君（海报张贴）
- ju******@xmu.edu.cn
- 138********
- 卢巍（海报张贴）
- lu******@chytey.com
- 189********
- 李璟（酒店预订及咨询）
- li******@chytey.com
- 186********
发表评论