融合注意力机制的双通道网络及其在沟谷型泥石流易发性评价中的应用

1

作者 罗雨梦 王保云 +3 位作者 袁若浩 王旭 刘存熙 陈跨越 《中国地质灾害与防治学报》 2025年第1期156-168,共13页

针对泥石流灾害评估问题,文章提出了一种新的轻量化卷积神经网络模型——融合注意力机制的双通道网络(dualchannel fusion attention mechanism network,DCFAMNet),旨在快速识别沟谷型泥石流灾害。首先,根据历史泥石流点记录,以沟谷数... 针对泥石流灾害评估问题,文章提出了一种新的轻量化卷积神经网络模型——融合注意力机制的双通道网络(dualchannel fusion attention mechanism network,DCFAMNet),旨在快速识别沟谷型泥石流灾害。首先,根据历史泥石流点记录,以沟谷数字高程图像(digital elevation map,DEM)及遥感影像为数据源,设计以双通道网络结构为基础技术框架,在DEM图像特征提取通道引入通道注意力机制强调图像特征的网络通道权重,在遥感影像特征通道引入3D卷积块提取沟谷的地表信息,在特征融合阶段利用深度可分离卷积进行更多的特征信息交互。其次,对相关流域的潜在威胁沟谷作出易发性预测,绘制泥石流灾害易发性图。最后,可视化DCFAMNet提取到的沟谷坡向、曲率、坡度等深层特征定位目标关键特征。结果表明,利用DCFAMNet结合GIS技术对泥石流沟谷的识别率可达到80%,AUC值为0.75,表现良好。保存模型最佳参数评估相关沟谷易发性,通过ArcGIS做可视化分析将泥石流灾害分为5个评价等级,并确定泥石流极高易发性,得出高易发区主要分布在贡山县独龙江干流、福贡县怒江干流等水系区域,兰坪县相对较安全。结果可为山区泥石流防灾减灾工作提供有用的参考和依据。 展开更多

关键词 卷积神经网络 泥石流 数字高程图像 遥感图像 深度学习 易发性评价

在线阅读 下载PDF 职称材料

混合随机变量的性质及应用

2

作者 王佳佳 《高等数学研究》 2024年第3期75-79,共5页

从概率论的基本概念出发引出了混合随机变量的定义,在此基础上给出了常见混合随机变量的几个性质,并将其应用到了两个实际问题中,分析了实际问题中混合随机变量的分布特征.

关键词 混合随机变量 分布函数 概率密度函数 数学期望

在线阅读 下载PDF 职称材料

基于原型网络的云南怒江州泥石流灾害易发性评价与区划 被引量：2

3

作者 韩俊 王保云 《中国地质灾害与防治学报》 CSCD 2023年第5期117-129,共13页

针对基于泥石流因子评价方法中选取因子不一及训练样本少的问题,提出了一种基于原型网络的沟谷泥石流灾害易发性评价方法。首先,通过元学习方式组织训练数据,计算每一类沟谷的原型中心。其次,计算未知样本与每一类原型中心的距离,得到... 针对基于泥石流因子评价方法中选取因子不一及训练样本少的问题,提出了一种基于原型网络的沟谷泥石流灾害易发性评价方法。首先,通过元学习方式组织训练数据,计算每一类沟谷的原型中心。其次,计算未知样本与每一类原型中心的距离,得到其从属类别的概率。最后,根据类别概率计算沟谷的泥石流易发性指数,得到泥石流易发性评价等级。运用模型对怒江州的沟谷进行评价,并与历史灾害数据进行比对,分类正确率达到67.39%,历史事件中泥石流灾害严重程度与模型的评价等级吻合度较好。相比传统实地勘测和因子评价等方法,文章方法能够通过遥感影像进行泥石流灾害区域的快速识别与评价,为泥石流灾害的预警预测研究带来新的思路。 展开更多

关键词 泥石流 遥感影像 小样本学习 原型网络 易发性评价

在线阅读 下载PDF 职称材料

基于改进SRCNN模型的图像超分辨率重构 被引量：1

4

作者 宋昕 王保云 《现代信息科技》 2023年第20期54-57,共4页

图像超分辨率重构是指将低分辨率图像生成对应的高分辨率图像,在许多领域有着重要作用。文章在SRCNN方法的基础上,提出了改进模型。首先,在SRCNN基础上使用小卷积代替大卷积。其次,加入残差结构。最后,在前两层网络后加入ReLU激活函数... 图像超分辨率重构是指将低分辨率图像生成对应的高分辨率图像,在许多领域有着重要作用。文章在SRCNN方法的基础上,提出了改进模型。首先,在SRCNN基础上使用小卷积代替大卷积。其次,加入残差结构。最后,在前两层网络后加入ReLU激活函数。结果表明,scale为3、4、6、8的PSNR分别提升了0.140 3 dB、0.084 5 dB、0.147 2 dB、0.113 5 dB,模型性能较改进前有所提升。 展开更多

关键词 超分辨率 卷积神经网络 SRCNN 深度学习

在线阅读 下载PDF 职称材料

基于自校正原型网络的泥石流灾害易发性评价——以怒江州为例 被引量：1

5

作者 韩俊 王保云 徐繁树 《人民长江》 北大核心 2024年第3期123-133,共11页

为解决泥石流易发性评价中因子选择不一致造成的评价差异问题,以及目前神经网络不能有效提取泥石流特征以提升易发性评价正确率问题,提出了基于自校正原型网络的泥石流灾害易发性评价方法。以沟谷为评价单元,提取沟谷的DEM、高分一号和G... 为解决泥石流易发性评价中因子选择不一致造成的评价差异问题,以及目前神经网络不能有效提取泥石流特征以提升易发性评价正确率问题,提出了基于自校正原型网络的泥石流灾害易发性评价方法。以沟谷为评价单元,提取沟谷的DEM、高分一号和Google Earth遥感影像作为训练数据,引入注意力机制和空洞空间卷积池化金字塔结构构建原型网络的特征提取器,并使用自校正的方法优化原型网络的计算,将未发生泥石流的沟谷图像输入改进后的模型,计算其泥石流灾害易发性指数从而得出泥石流评价等级。运用该模型对怒江州的沟谷进行评价,并与历史灾害数据进行对比。结果表明:模型分类正确率达到86.32%,评价结果中的易发区和高易发区均与历史泥石流沟谷的空间分布较为吻合;相比于传统评价方法,该方法能够较好地自动学习遥感影像中泥石流特征,并实现灾害区域的快速识别与评价。研究成果可为泥石流灾害的研究提供新的思路。 展开更多

关键词 泥石流 易发性评价 原型网络 小样本学习 遥感影像 怒江州

在线阅读 下载PDF 职称材料

基于残差注意力机制的泥石流沟谷识别 被引量：4

6

作者 刘坤香 王保云 +1 位作者 徐繁树 韩俊 《中国地质灾害与防治学报》 CSCD 2022年第6期134-141,共8页

针对泥石流灾害沟谷图像分类问题,文章对Resnet18网络进行改进,提出了一种改进的卷积神经网络模型。通过在网络结构中加入残差注意力模块,解决了原模型提取图像特征较差、边缘模糊的问题,改进后的网络能精确捕捉到泥石流灾害沟谷图像中... 针对泥石流灾害沟谷图像分类问题,文章对Resnet18网络进行改进,提出了一种改进的卷积神经网络模型。通过在网络结构中加入残差注意力模块,解决了原模型提取图像特征较差、边缘模糊的问题,改进后的网络能精确捕捉到泥石流灾害沟谷图像中的轮廓和内部山脊信息。此外,文章还对多种注意力机制结构进行了实验对比,分析其差异性,得出最适合泥石流灾害沟谷数据分类的注意力机制网络。实验表明改进后的网络模型在泥石流灾害沟谷图像的分类准确率达到75.42%,其分类性能在Resnet18网络模型的基础上提升了5.1%。 展开更多

关键词 Resnet18 注意力机制 遥感影像 泥石流灾害

在线阅读 下载PDF 职称材料

基于双通道残差网络的泥石流沟谷孕灾风险预测 被引量：2

7

作者 袁若浩 王保云 《贵州大学学报（自然科学版）》 2023年第6期78-85,115,共9页

云南作为泥石流受灾最严重的省份之一,每年均会遭受重大损失。为了应对这种突发性灾害,本文基于DCHNNet(dual-channel hybrid neural network)提出了一个基于双通道的改进残差结构的卷积神经网络——双通道残差网络(two-way residual ne... 云南作为泥石流受灾最严重的省份之一,每年均会遭受重大损失。为了应对这种突发性灾害,本文基于DCHNNet(dual-channel hybrid neural network)提出了一个基于双通道的改进残差结构的卷积神经网络——双通道残差网络(two-way residual network,TWRNet)。该网络能够广泛应用于泥石流沟谷图像的潜在危险性排查,实现泥石流灾害的预警。TWRNet首先采用切片的方式对数字高程(digital elevation model,DEM)数据和遥感数据分开处理,并使用改进的残差结构进行特征提取;然后将特征进行融合,并使用通道注意力机制SE(squeeze-and-excitation networks)模块进行通道增强;最后给出泥石流沟谷的分类结果。在训练过程中,本文使用了交叉熵和焦点损失构成的联合损失函数。实验结果表明,TWRNet在泥石流沟谷识别方面达到了最高89.28%的识别率和87.50%的召回率,模型性能良好。使用图像学习沟谷特征的方法来进行泥石流孕灾沟谷的识别是可行的。 展开更多

关键词 泥石流 分类 卷积神经网络 预测

在线阅读 下载PDF 职称材料

基于VGG16网络的火灾图像识别方法研究 被引量：2

8

作者 徐柯 王保云 《电脑知识与技术》 2023年第16期29-31,共3页

为了更有效地识别不同场景下的火灾信息,基于VGG16网络和残差结构设计了一种改进的VGG图像型火灾识别方法。首先,改进的网络保留了VGG16网络的特征提取层;其次,考虑到火灾识别是二分类问题,故将VGG16网络中的3层全连接层改进为2层全连接... 为了更有效地识别不同场景下的火灾信息,基于VGG16网络和残差结构设计了一种改进的VGG图像型火灾识别方法。首先,改进的网络保留了VGG16网络的特征提取层;其次,考虑到火灾识别是二分类问题,故将VGG16网络中的3层全连接层改进为2层全连接层;最后,使用残差结构以避免梯度消失问题。通过实验,结果表明:改进的VGG网络对火灾图像分类识别准确率为81.21%,AUC值为0.879,优于VGG16网络和Resnet34网络,可准确识别火灾信息。 展开更多

关键词 卷积神经网络 火灾识别 深度学习 残差结构 VGG16

在线阅读 下载PDF 职称材料

基于原型网络对泥石流沟谷的分类预测——以怒江流域为例 被引量：2

9

作者 韩俊 王保云 +1 位作者 徐繁树 刘坤香 《现代计算机》 2022年第2期88-90,共3页

从泥石流沟谷的地貌条件出发,借助谷歌地图高清遥感图,截取云南省怒江流域发生泥石流的沟谷图像作为正样本,未发生泥石流的沟谷图像作为负样本,使用原型网络(Prototypical Networks)对正负样本进行训练,实现2分类预测。经实验,模型能够... 从泥石流沟谷的地貌条件出发,借助谷歌地图高清遥感图,截取云南省怒江流域发生泥石流的沟谷图像作为正样本,未发生泥石流的沟谷图像作为负样本,使用原型网络(Prototypical Networks)对正负样本进行训练,实现2分类预测。经实验,模型能够达到平均65.60%的预测正确率。 展开更多

关键词 泥石流 遥感影像 小样本学习 原型网络 预测

在线阅读 下载PDF 职称材料

基于残差网络的泥石流孕灾沟谷快速识别 被引量：1

10

作者 徐繁树 王保云 《现代计算机》 2022年第12期75-80,共6页

本研究选取怒江州怒江流域,提取沟谷数字高程模型(DEM)图训练深度残差网络,对泥石流的灾害区域进行快速识别。首先,使用增强后的DEM图训练残差网络,然后用该训练后的模型对沟谷DEM图进行分类,并使用准确率、召回率、AUC值等对模型进行... 本研究选取怒江州怒江流域,提取沟谷数字高程模型(DEM)图训练深度残差网络,对泥石流的灾害区域进行快速识别。首先,使用增强后的DEM图训练残差网络,然后用该训练后的模型对沟谷DEM图进行分类,并使用准确率、召回率、AUC值等对模型进行评价。测试结果表明,残差网络结合DEM图可以达到泥石流沟谷最高73%的识别率以及76%的召回率,AUC值约为0.7,模型性能较为良好,为泥石流孕灾沟谷的识别提供了新思路。 展开更多

关键词 数字高程模型 残差网络 泥石流 深度学习

在线阅读 下载PDF 职称材料

基于三维卷积与残差结构的沟谷泥石流危险度评价

11

作者 徐繁树 王保云 《云南大学学报（自然科学版）》 CAS CSCD 北大核心 2023年第4期875-885,共11页

沟谷的泥石流危险度评价是泥石流防治工作中基础且重要的一环,针对该问题,以怒江州为例,提出了一个结合立体卷积与残差结构,能同时对数字高程模型(Digital Elevation Model,DEM)数据与多光谱数据进行特征学习的神经网络模型.以整沟为研... 沟谷的泥石流危险度评价是泥石流防治工作中基础且重要的一环,针对该问题,以怒江州为例,提出了一个结合立体卷积与残差结构,能同时对数字高程模型(Digital Elevation Model,DEM)数据与多光谱数据进行特征学习的神经网络模型.以整沟为研究对象,将模型在历史泥石流灾害沟谷的数据上训练后,根据相似度对沟谷的泥石流危险度进行评分,并绘制了怒江州的泥石流危险度评价图.在所有214条沟谷中,高风险沟谷共114条,中风险沟谷共40条,低风险沟谷共60条.实验结果表明,该模型能在沟谷泥石流分类任务上达到最高80%的正确率、88%的召回率以及0.81的Kappa系数.此外,在使用更少训练数据的实验以及对比各个不同模型的实验中,所设计的模型均表现优异.模型给出的危险度与历史灾害记录和实地考察结果基本相符. 展开更多

关键词 泥石流 卷积神经网络 残差结构 多光谱图像 危险度评价 怒江

在线阅读 下载PDF 职称材料

基于神经网络的泥石流沟谷易发性预测

12

作者 袁若浩 王保云 《电脑与电信》 2022年第6期5-9,共5页

从泥石流沟谷地貌条件出发,借助数字高程模型(DEM)图,对泥石流沟谷发生泥石流的概率进行预测。首先将泥石流沟谷的DEM图进行分类,分为发生过泥石流与未发生过两种;接着使用VGG与AlexNet及其对应的残差这四种神经网络对上述两种样本进行... 从泥石流沟谷地貌条件出发,借助数字高程模型(DEM)图,对泥石流沟谷发生泥石流的概率进行预测。首先将泥石流沟谷的DEM图进行分类,分为发生过泥石流与未发生过两种;接着使用VGG与AlexNet及其对应的残差这四种神经网络对上述两种样本进行训练,实现4分类预测;最后通过结果对比,VGG能达到平均73.87%的预测正确率,其残差模型能够达到平均74.88%的预测正确率,而AlexNet与其残差的平均预测正确率仅有68%左右,实验结果表明VGG与其残差的整体性能是优于AlexNet与其残差的性能。 展开更多

关键词 泥石流 数字高程模型 VGG AlexNet 残差 预测

在线阅读 下载PDF 职称材料

基于残差网络的怒江泥石流沟谷分类及其预测

13

作者 刘存熙 王保云 《现代信息科技》 2022年第12期108-110,114,共4页

云南的怒江流域是泥石流的高发地区。基于怒江流域的沟谷数字高程模型(DEM)图,采用残差神经网络对沟谷图像进行训练,实现分类预测,并使用损失值、正确率对模型进行评价。结果表明:利用残差网络对沟谷数字高程模型(DEM)图进行分类及预测... 云南的怒江流域是泥石流的高发地区。基于怒江流域的沟谷数字高程模型(DEM)图,采用残差神经网络对沟谷图像进行训练,实现分类预测,并使用损失值、正确率对模型进行评价。结果表明:利用残差网络对沟谷数字高程模型(DEM)图进行分类及预测可以达到60%的准确率。该研究结果可为怒江流域泥石流预警及防治工作提供理论参考。 展开更多

关键词 泥石流 数字高程模型 残差神经网络 预测

在线阅读 下载PDF 职称材料

基于改进VGG网络的火灾图像识别

14

作者 陈跨越 王保云 《现代信息科技》 2023年第13期75-79,共5页

针对不同场景下火灾图像的识别问题,提出一种利用残差网络改进VGG16的模型。首先,将VGG16原有的3层全连接层改为1层,并增加dropout层以防止过拟合。其次,在残差块中的卷积层之后添加BatchNorm2d函数,对数据进行归一化处理。结果表明,改... 针对不同场景下火灾图像的识别问题,提出一种利用残差网络改进VGG16的模型。首先,将VGG16原有的3层全连接层改为1层,并增加dropout层以防止过拟合。其次,在残差块中的卷积层之后添加BatchNorm2d函数,对数据进行归一化处理。结果表明,改进的VGG16网络准确率、召回率和AUC值等指标性能均优于VGG16和Resnet34网络,能够对火灾图像进行快速、准确的识别。 展开更多

关键词 火灾图片 残差网络 VGG16 深度学习

在线阅读 下载PDF 职称材料

基于深度学习的泥石流灾害危险性评价

15

作者 罗雨梦 王保云 《电脑知识与技术》 2022年第23期3-4,共2页

泥石流作为一种极具破坏力的地质灾害,它的发生造成了大量的生命财产损失,如何减小损失,对泥石流的预测是极其重要的一环。深度学习作为机器学习的一个分支,近些年来的兴起,给人工智能造成了极大便利。文章通过ARCGIS软件提取DEM(数字... 泥石流作为一种极具破坏力的地质灾害,它的发生造成了大量的生命财产损失,如何减小损失,对泥石流的预测是极其重要的一环。深度学习作为机器学习的一个分支,近些年来的兴起,给人工智能造成了极大便利。文章通过ARCGIS软件提取DEM(数字高程图)来训练VGG和InceptionNet V3,对发生泥石流的沟谷进行识别。通过两个训练网络的结果对比,VGG最高能达到的75%准确率,InceptionNet V3最高能够达到61.1%的准确率,VGG的性能表现整体优于InceptionNet V3。 展开更多

关键词 泥石流 数字高程模型 VGG InceptionNet V3

在线阅读 下载PDF 职称材料

基于原型网络的泥石流沟谷图像预测

16

作者 王旭 王保云 +1 位作者 韩俊 徐繁树 《现代信息科技》 2022年第11期130-132,共3页

泥石流灾害发生迅速、破坏力极大,给人类生命财产安全带来了严重的威胁,云南省西北部地区极易发生泥石流灾害。针对泥石流灾害预测问题,文中以云南怒江流域为研究区域,以历史泥石流灾害数据为基础,提取该流域沟谷数字高程模型图,发生泥... 泥石流灾害发生迅速、破坏力极大,给人类生命财产安全带来了严重的威胁,云南省西北部地区极易发生泥石流灾害。针对泥石流灾害预测问题,文中以云南怒江流域为研究区域,以历史泥石流灾害数据为基础,提取该流域沟谷数字高程模型图,发生泥石流的沟谷图像记为正样本,未发生过泥石流的沟谷图像记为负样本。采用原型网络作为小样本学习框架,Conv4和ResNet12分别作为特征提取网络对沟谷图像进行训练、测试,实现了六分类预测。经实验结果对比,2-way 5-shot条件下、ResNet12作为特征提取网络时表现最佳,预测准确率达到75.36%。 展开更多

关键词 小样本学习 原型网络 泥石流 数字高程模型

在线阅读 下载PDF 职称材料

一种沟谷型潜在泥石流危险性评价方法:基于多源数据融合的卷积神经网络 被引量：1

17

作者 徐繁树 王保云 韩俊 《地球信息科学学报》 CSCD 北大核心 2023年第3期588-605,共18页

山区多发沟谷型泥石流,而由于山区地形崎岖,导致无法开展大面积的泥石流危险性评价工作。本文使用遥感数据、DEM(Digital Elevation Model)数据以及岩性、土壤、植被数据,构建了一个基于多源数据,能快速进行大面积排查工作的卷积神经网... 山区多发沟谷型泥石流,而由于山区地形崎岖,导致无法开展大面积的泥石流危险性评价工作。本文使用遥感数据、DEM(Digital Elevation Model)数据以及岩性、土壤、植被数据,构建了一个基于多源数据,能快速进行大面积排查工作的卷积神经网络模型RSDNet(Residual-Shuffle-Dense residual Net)。该模型首先使用最大池化改进的残差结构对各类不同数据进行浅层特征提取,然后使用通道重排以加强各类数据底层特征间的关联性,接着使用密集残差结构对底层特征作进一步的特征提取,学习各类特征间的相互作用对潜在泥石流危险性的影响,最后根据待评价沟谷与已发生过泥石流沟谷的相似度给出沟谷的潜在危险性。在训练过程中,使用了交叉熵和基于焦点损失改进的联合损失函数,使模型能更好地区分各类沟谷的形态特征和致灾特征。RSDNet在沟谷分类任务上可达到89.7%的精确率。在对怒江州全境沟谷进行潜在危险性评价的任务中,132条历史泥石流沟谷有122条被模型判断为高危险或极危险。结果表明模型性能良好,为沟谷泥石流的危险性评价提供了新思路。 展开更多

关键词 泥石流 灾害预测 山区沟谷 多源数据融合 怒江州 卷积神经网络 残差模块 焦点损失

原文传递