Page 168 - 《武汉大学学报（信息科学版）》2025年第6期

1190 武 汉 大 学 学 报 （信 息 科 学 版） 2025 年 6 月

04-17］. https：//arxiv. org/abs/1704. 04861. Evaluation of Landslide Disaster Susceptibility［J］.
［31］ 庞沛东 . 基于深度卷积神经网络的高光谱图像分类 Acta Geodaetica et Cartographica Sinica， 2022， 51
方法研究［D］. 开封： 河南大学， 2021. （10）： 2034-2045.
PANG Peidong. Research on Hyperspectral Image ［38］ ZHAO Z， LIU Z Y， XU C. Slope Unit-Based
Classification Method Based on Deep Convolution Landslide Susceptibility Mapping Using Certainty
Neural Network［D］. Kaifeng： Henan University， Factor， Support Vector Machine， Random Forest，
2021. CF-SVM and CF-RF Models［J］. Frontiers in
［32］ WOO S， PARK J， LEE J Y， et al. CBAM： Con‑ Earth Science， 2021， 9： 589630.
volutional Block Attention Module［C］// European ［39］ 赵占骜， 王继周， 毛曦， 等 . 多维 CNN 耦合的滑坡
Conference on Computer Vision （ECCV）， Munich， 易发性评价方法［J］. 武汉大学学报（信息科学版），
Germany， 2018. 2024， 49（8）： 1466-1481.
［33］ CHEN L C， PAPANDREOU G， SCHROFF F， ZHAO Zhan’ao， WANG Jizhou， MAO Xi， et al.
et al. Rethinking Atrous Convolution for Semantic A Multi-dimensional CNN Coupled Landslide Sus‑
Image Segmentation ［EB/OL］. ［2023-01-17］. ceptibility Assessment Method［J］. Geomatics and
https：//arxiv. org/abs/1706. 05587. Information Science of Wuhan University， 2024， 49
［34］ DAI J F， QI H Z， XIONG Y W， et al. Deformable （8）： 1466-1481.
Convolutional Networks ［C］//IEEE International ［40］ YILMAZ E O ， TEKE A ， KAVZOGLU T. Per‑
Conference on Computer Vision （ICCV）， Venice， formance Evaluation of Depthwise Separable CNN
Italy， 2017. and Random Forest Algorithms for Landslide Sus‑
［35］ HAN L T， LV H Y， ZHAO Y C， et al. Conv-For‑ ceptibility Prediction［C］//IEEE International Geo‑
mer： A Novel Network Combining Convolution and science and Remote Sensing Symposium， Kuala
Self-Attention for Image Quality Assessment［J］. Lumpur， Malaysia， 2022.
Sensors， 2022， 23（1）： 427. ［41］ ZHAO Z A， HE Y， YAO S， et al. A Comparative
［36］ AZARAFZA M， AZARAFZA M， AKGÜN H， et Study of Different Neural Network Models for Land‑
al. Deep Learning-Based Landslide Susceptibility slide Susceptibility Mapping［J］. Advances in Space
Mapping［J］. Scientific Reports， 2021， 11（1）： 24112. Research， 2022， 70（2）： 383-401.
［37］ 刘纪平， 梁恩婕， 徐胜华， 等 . 顾及样本优化选择 ［42］ JANARTHANAN S S， SUBBIAN D， SUBBA‑
的多核支持向量机滑坡灾害易发性分析评价［J］. RAYAN S， et al. SFCNet： Deep Learning-Based
测绘学报， 2022， 51（10）： 2034-2045. Lightweight Separable Factorized Convolution Net‑
LIU Jiping， LIANG Enjie， XU Shenghua， et al. work for Landslide Detection［J］. Journal of the In‑
Multi-kernel Support Vector Machine Considering dian Society of Remote Sensing， 2023， 51（6）：
Sample Optimization Selection for Analysis and 1157-1170.