使用局部对齐卷积神经网络预测滑坡
计算机视觉与模式识别
2020-07-21 v5 机器学习
摘要
滑坡是在重力作用下土壤与岩石的移动，是每年造成显著人员伤亡与经济损失的常见现象。专家利用坡度、高程、土地覆盖、岩性、岩石年代和岩石族等异质特征来预测滑坡。为处理此类特征，我们调整了卷积神经网络以在预测任务中考虑相对空间信息。这些网络中的传统滤波器要么具有固定方向，要么具有旋转不变性。直观上，滤波器应朝向上坡，但数据不足以学习上坡概念；相反，它可作为先验知识提供。我们提出一种称为局部对齐卷积神经网络（LACNN）的模型，其在多尺度上沿地表走向，以预测单点的可能滑坡发生。为验证我们的方法，我们创建了一组由异质特征作为输入组成的地理参考图像标准化数据集，并使用测试集上的对数似然误差与受试者工作特征曲线，将我们的方法与若干基线（包括线性回归、神经网络和卷积网络）进行比较。我们的模型在准确度上较其他所提基线提升 2–7%，在对数似然上提升 2–15%。
引用
@article{arxiv.1911.04651,
title = {Predicting Landslides Using Locally Aligned Convolutional Neural Networks},
author = {Ainaz Hajimoradlou and Gioachino Roberti and David Poole},
journal= {arXiv preprint arXiv:1911.04651},
year = {2020}
}
备注
Published in IJCAI 2020