基于卫星遥感影像的滑坡检测分割模型与适应策略基准研究
计算机视觉与模式识别
2026-04-21 v1
摘要
从高分辨率卫星影像中检测滑坡是灾害响应和风险评估中的关键任务，但现代分割架构和针对该问题的微调策略的相对有效性仍不充分了解。本文提出了一项针对滑坡检测的卷积神经网络、基于 transformer 的分割模型以及大型预训练基础模型的系统性基准测试研究。使用全球分布共震滑坡数据集（GDCLD）数据集，我们在一致的训练和评估协议下，对代表性的 CNN 和基于 transformer 的分割模型以及大型预训练基础模型进行评估。此外，我们比较全部分Fine-tuning与参数高效Fine-tuning方法，包括 LoRA 和 AdaLoRA，以评估其性能效率之间的权衡。实验结果表明，基于 transformer 的模型实现了强大的分割性能，而参数高效Fine-tuning 可将可训练参数减少最高可达95%，且与全部分Fine-tuning 的准确率相当。我们进一步通过比较验证和保留测试性能来分析分布迁移下的泛化性。
关键词
引用
@article{arxiv.2604.16663,
title = {A Benchmark Study of Segmentation Models and Adaptation Strategies for Landslide Detection from Satellite Imagery},
author = {Md Kowsher and Weiwei Zhan and Chen Chen},
journal= {arXiv preprint arXiv:2604.16663},
year = {2026}
}