EMO-GhostNet滑坡检测网络

参数量直降近半

以轻量化设计实现高精度滑坡检测与分割，解决通用模型计算开销大的问题。

Jinchi, Dai · 戴晓爱 · Renyuan, Zhang · JiaXin, Ma · Wenyu, Li · 鲁恒 · 李为乐 · Shuneng, Liang · Tangrui, Dai · Yunfeng, Shan · 张东辉 · Lei, Zhao

International Journal of Applied Earth Observation and Geoinformation 2024

参数信息

F1分数

96.75 %

参数降低幅度

48.13 %

技术优势

参数量近半

用EMO骨干和GhostNet线性廉价操作替代标准卷积，模型总参数量最多降低48.13%。

精度不降反升

在参数量大幅下降的同时，F1分数达到96.75%，优于基线模型。

特征提取更强

动态检测头加上轻量注意力增强模块，强化多尺度特征提取与融合。

应用场景

• 滑坡灾害监测：轻量模型可以直接部署在资源受限的设备上，对滑坡隐患区进行持续监测和快速预警。
• 遥感图像分析：无需高性能服务器，就可在遥感图像上快速提取滑坡区域，适用于大范围图像分析任务。
• 应急测绘：灾后快速生成滑坡分布图，为应急决策争取时间。