ارائه يك مجموعه داده دو زمانه ي سنجش ازدوري به منظور شناسايي زمين لغزش با استفاده از شبكه هاي عصبي كانولوشن دو جريانه

Proposing a bi-temporal remote sensing dataset to identify landslides with double-stream convolutional neural networks

فرايند شناسايي تغييرات ناشي از زمين لغزش از لحاظ برآورد خسارت و امداد رساني يكي از موضوعات مورد بحث در زمينه مديريت بحران مي باشد. از طرفي، امروزه به دليل گسترش فناوري هاي سنجش از دوري و مدل هاي محاسباتي هوشنمد مي توان فرايند مذكور را دقيق تر و سريع تر از گذشته انجام داد. در اين بين، روش هاي يادگيرنده كه جزئي از مدل هاي محاسباتي هوشمند هستند، با توانايي استخراج و آموزش ويژگي هاي سطح بالا نياز به مهندسي ويژگي را كاهش مي دهند. بااين حال، اين روش ها نياز مبرمي به حجم بالايي از داده هاي آموزشي دارند. در همين راستا، در اين تحقيق يك مجموعه داده ي جامع با حد تفكيك بالا از 270 جفت تصاوير قبل و بعد از زمين لغزش ارائه شده است كه بازه زماني مربوط به سال هاي 2009 تا 2022 را پوشش مي دهند. با استفاده از اين تصاوير مي توان به آموزش مدل هاي يادگيري عميق پرداخت و از ويژگي هاي يادگرفته شده در شناسايي زمين لغزش بهره برد.