Geosci. Front. | 一种基于大规模数据集迁移学习的滑坡检测方法

本文研究背景是全球范围内由强降雨和地震引发的群发性滑坡灾害对人类生命和环境构成严重威胁，传统人工解释方法效率低，难以满足灾后快速应急响应需求。研究目的是提出一种集成注意力机制、多尺度连接和图神经网络（GNN）的深度学习模型（AMMG-UNet），并利用迁移学习策略，以在标注数据有限的条件下实现高效、准确的滑坡检测。结论表明，该模型在数据充足条件下性能优于基准模型；通过迁移学习，仅用少量目标域数据微调即可达到与使用大量数据重新训练相近的精度，显著提升了模型在小样本条件下的滑坡识别能力，为滑坡极难标记地区的灾害评估提供了潜在改进方法。