公司硕士研究生李勇在期刊《Scientific Reports》上发表了题为“The research on landslide detection in remote sensing images based on improved DeepLabv3+ method”的论文，提出了一种基于改进DeepLabv3+的遥感影像滑坡检测方法。

针对经典语义分割模型在高分辨率图像滑坡检测中存在的边缘提取精度不足、参数冗余及训练效率偏低等问题，本文提出一种基于DeepLabv3 +与双注意力机制的轻量化模型LDNet。通过数据集构建、模型训练、检测实验及精度评估验证，结果表明LDNet的检测可靠性显著提升，其综合性能优于UNet、PSPNet、DeepLabv3 +等多款经典语义分割模型，且具备参数规模更小、训练耗时更短的优势。此外，该模型在跨区域测试中展现出良好泛化能力，在保障提取精度的同时满足实时性要求，为快速精准的滑坡检测提供了有效方案，具有广泛应用潜力。

论文链接：https://doi.org/10.1038/s41598-025-92822-y

图1 不同模型的滑坡提取结果

图2 论文首页