Page 31 - 《武汉大学学报（信息科学版）》2025年第6期

第 50 卷第 6 期 甄 杰等：面向应急通信选址的增强卷积神经网络山顶点快速提取方法 1053

［8］ 顾留碗， 王春， 李鹏， 等 . 利用 DEM 提取山顶点精 193-202.
度研究［J］. 武汉大学学报（信息科学版）， 2016， 41 ［14］ GIRSHICK R， DONAHUE J， DARRELL T， et
（1）： 131-135. al. Rich Feature Hierarchies for Accurate Object De‑
GU Liuwan， WANG Chun， LI Peng， et al. Re‑ tection and Semantic Segmentation［C］//IEEE Con‑
search on Mountain Top Extraction Accuracy Based ference on Computer Vision and Pattern Recogni‑
on DEM［J］. Geomatics and Information Science of tion， Columbus， USA， 2014.

Wuhan University， 2016， 41（1）： 131-135. ［15］ GIRSHICK R. Fast R-CNN［C］//IEEE Interna‑
［9］ 周访滨， 肖智文， 刘学军， 等 . 栅格 DEM 山顶点提 tional Conference on Computer Vision （ICCV），
取的坡向分布特征法［J］. 武汉大学学报（信息科学 Santiago， Chile， 2015.
版）， 2024， 49（3）： 419-425. ［16］ REN S Q， HE K M， GIRSHICK R， et al. Faster
ZHOU Fangbin， XIAO Zhiwen， LIU Xuejun， et R-CNN： Towards Real-Time Object Detection
al. Mountain Peak Extraction of Grid DEM Based with Region Proposal Networks［J］. IEEE Transac‑
on Aspect Distribution Feature［J］. Geomatics and tions on Pattern Analysis and Machine Intelligence，
Information Science of Wuhan University， 2024， 49 2017， 39（6）： 1137-1149.
（3）： 419-425. ［17］ SIMONYAN K， ZISSERMA A. Very Deep Con‑
［10］ 仲腾， 汤国安， 周毅， 等 . 基于反地形 DEM 的山顶 volutional Networks for Large-Scale Image Recogni‑
点自动提取［J］. 测绘通报， 2009 （4）： 35-37. tion ［C］//The 3rd International Conference on
ZHONG Teng， TANG Guoan， ZHOU Yi， et al. Learning Representations， San Diego， USA， 2015.
Method of Extracting Surface Peaks Based on Re‑ ［18］ HE K M， ZHANG X Y， REN S Q， et al. Deep Re‑
verse DEMs［J］. Bulletin of Surveying and Map‑ sidual Learning for Image Recognition［C］//IEEE
ping， 2009 （4）： 35-37. Conference on Computer Vision and Pattern Recog‑
［11］ ZHENG Z Q， XIAO X W， ZHONG Z C， et al. A nition （CVPR）， Las Vegas， USA， 2016.
Rapid and High-Precision Mountain Vertex Extrac‑ ［19］ ZHANG H， WU C R， ZHANG Z Y， et al.
tion Method Based on Hotspot Analysis Clustering ResNeSt： Split-Attention Networks ［C］//IEEE/
and Improved Eight-Connected Extraction Algo‑ CVF Conference on Computer Vision and Pattern
rithms for Digital Elevation Models［J］. Remote Recognition Workshops （CVPRW）， New Orleans，
Sensing， 2021， 13（1）： 81. USA， 2022.
［12］ 张福浩， 朱月月， 赵习枝， 等 . 地理因子支持下的 ［20］ LIN T Y， DOLLÁR P， GIRSHICK R， et al. Fea‑
滑坡隐患点空间分布特征及识别研究［J］. 武汉大 ture Pyramid Networks for Object Detection［C］//
学学报（信息科学版）， 2020， 45（8）： 1233-1244. IEEE Conference on Computer Vision and Pattern
ZHANG Fuhao， ZHU Yueyue， ZHAO Xizhi， et Recognition （CVPR）， Honolulu， USA， 2017.
al. Spatial Distribution and Identification of Hidden ［21］ LIU H K， DING Q C， HU Z C， et al. Remote
Danger Points of Landslides Based on Geographical Sensing Image Vehicle Detection Based on Pre-
Factors［J］. Geomatics and Information Science of training and Random-Initialized Fusion Network

Wuhan University， 2020， 45（8）： 1233-1244. ［J］. IEEE Geoscience and Remote Sensing Letters，
［13］ FUKUSHIMA K. Neocognitron ： A Self-Or‑ 2021， 19： 3508605.
ganizing Neural Network Model for a Mechanism of ［22］ BOUSSAÏD I， LEPAGNOT J， SIARRY P. A
Pattern Recognition Unaffected by Shift in Position Survey on Optimization Metaheuristics［J］. Informa‑
［J］. Biological Cybernetics， 1980， 36 （4） ： tion Sciences， 2013， 237： 82-117.