93.4% mAP50
针对InSAR相梯度小目标变形特征改进的YOLOv8模型，通过集成CBAM、GhostNetV2和160×160小目标检测头，显著增强了对小尺度滑坡形变的感知与检测能力。
Yanrong, Mao · 牛瑞卿 · 李兵权 · Li, Jun
IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 2024
通过引入CBAM注意力机制、GhostNetV2模块和160×160小目标检测头，网络增强了对局部微小形变特征的感知能力，能够更准确地捕获早期滑坡迹象。
利用因子掩膜识别区域变形点，有效剔除非滑坡引起的形变信号，使最终误报率仅为10.2%，提高了识别结果的可信度。
通过深度学习与InSAR相位梯度叠加的结合，该方法能够快速处理大范围区域，实现了对研究区内378处潜在滑坡的有效识别，适用于区域性灾害普查。