[发明专利]滑坡体识别模型的训练方法、装置、电子设备及存储介质

说明书

本申请公开了一种滑坡体识别模型的训练方法、装置、电子设备及存储介质，其方法包括：获取原始数据，其中，所述原始数据包括高分影像和DEM数据；将所述原始数据转化为图结构数据，其中，所述图结构数据包括图节点矩阵和连接矩阵；构建并初始化图神经网络模型；将所述图结构数据输入至所述图神经网络模型中进行训练，得到滑坡体识别模型。本申请结合遥感领域的研究，将面向对象的思想延伸至遥感语义分割，同时采用图卷积的思想，能够加强超像素块之间的空间表征能力，实现了遥感影像的超像素分割，并将面向像元的识别问题转化为面向对象的识别问题，显著提高了滑坡体的识别精度，实用性强。

技术领域

本申请涉及人工智能技术领域，具体涉及一种滑坡体识别模型的训练方法、装置、电子设备及存储介质。

背景技术

近年来，我国突发多种地质灾害，其隐蔽性高、破坏性大，而且地面调查难以到达。随着深度学习尤其是卷积神经网络的发展，许多科学家与科研人员实施了不同的技术，用于生产代表可能有滑坡位置的滑坡敏感性图。众多学者基于遥感光学影像数据，利用卷积神经网络在喜马拉雅、黄土滑坡、归州老城滑坡等地区进行滑坡体识别，并进行逐像素滑坡识别。

现有技术中，运用卷积神经网络对遥感影像上的目标物进行识别，主要是利用卷积层进行遥感数据的目标特征进行提取，利用池化层对得到的特征进行下采样，最终得到逐像素点的滑坡体识别结果。

但是基于卷积神经网络的语义分割方法以暴力的拟合手段对数据特征进行提取，缺少对目标物形状特征的运用，难以达到较高精度。

发明内容

针对上述问题，本申请实施例提供了一种滑坡体识别模型的训练方法、装置、电子设备及存储介质，以克服或部分克服现有技术的不足之处。

第一方面，本申请实施例提供了一种滑坡体识别模型的训练方法，所述方法包括：

获取原始数据，其中，所述原始数据包括高分影像和DEM数据；

将所述原始数据转化为图结构数据，其中，所述图结构数据包括图节点矩阵和连接矩阵；

构建并初始化图神经网络模型；

将所述图结构数据输入至所述图神经网络模型中进行训练，得到滑坡体识别模型。

第二方面，本申请实施例还提供了一种滑坡体识别模型的训练装置，所述装置包括：

获取单元，用于获取原始数据，其中，所述原始数据包括高分影像和DEM数据；

转化单元，用于将所述原始数据转化为图结构数据，其中，所述图结构数据包括图节点矩阵和连接矩阵；

构建单元，用于构建并初始化图神经网络模型；

训练单元，用于将所述图结构数据输入至所述图神经网络模型中进行训练，以得到滑坡体识别模型。

第三方面，本申请实施例还提供了一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述任一的方法。

第四方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行上述任一的方法。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：