摘要: 准确、及时地检测出滑坡体对减少山体滑坡自然灾害对人类生命和财产造成的威胁与损失具有重要意义。论文提出了一种基于卷积神经网络(convolutional neural network,CNN)与Set Transformer(SETR)的特征融合滑坡体检测方法。基于CNN的网络模型选择了全卷积网络(fully convolutional network,FCN)、U-Net和Deeplabv3+,基于Transformer的模型选择了SETR。首先对CNN网络模型在滑坡检测中的效果进行评价,然后在CNN网络模型的编码器部分引入SETR,并将SETR的输出融合到CNN的解码器结构中作为模型的整体输出。基于LandSlide4Sense数据集的实验结果表明,典型CNN融合SETR后有效改善了模型的检测效果,FCN,U-Net,Deeplabv3+模型在融合SETR后F1分数分别从0.672 6,0.727 3,0.687 3提高到0.686 9,0.743 0,0.705 5。因为滑坡与地形密切相关,以效果最好的U-Net模型为基准,在模型输入中引入数字高程模型之后F1分数从0.732 5提高到0.750 3。