CAS滑坡数据集

在本研究中，我们推出了CAS滑坡数据集——一个由中国科学院·水利部成都山地灾害与环境研究所人工智能团队开发的大规模、多传感器数据集，用于基于深度学习的滑坡检测。该数据集旨在解决滑坡识别中遇到的挑战。随着气候变化和地震导致的滑坡事件日益频繁，迫切需要精确而全面的数据集来支持快速高效的滑坡识别。与现有数据集在规模、覆盖范围、传感器类型和分辨率方面的局限性相比，CAS滑坡数据集包含20,865张图像，整合了来自九个区域的卫星和无人机数据。为确保可靠性和适用性，我们建立了一套稳健的方法来评估数据集质量。我们建议将该滑坡数据集作为构建滑坡识别模型的基准，并推动深度学习技术的发展。研究人员可利用该数据集获得更强的预测、监测和分析能力，从而推进自动化滑坡检测进程。
若使用本数据，请引用我们发表于《Scientific Data》的论文。
Xu, Y., Ouyang, C., Xu, Q. et al. CAS Landslide Dataset: A Large-Scale and Multisensor Dataset for Deep Learning-Based Landslide Detection. Sci Data 11, 12 (2024). https://doi.org/10.1038/s41597-023-02847-z

AI搜集汇总

背景与挑战

背景概述

CAS滑坡数据集是一个用于深度学习滑坡检测的大规模多传感器数据集，包含20865张图像，整合了卫星和无人机数据，覆盖9个区域。该数据集通过严格的质量控制流程，具有高质量、高可靠性和广泛适用性，可作为滑坡识别模型的基准数据集。