Le séisme de magnitude 8,0 de Wenchuan en 2008 a déclenché de nombreux glissements de terrain et des effondrements géologiques, entraînant une fréquence élevée des catastrophes géologiques dans la zone de fort séisme après le séisme, et en raison de sa menace énorme pour la vie et la propriété, a suscité un large intérêt. L'extraction rapide des informations sur les glissements de terrain à l'aide de la télédétection et d'autres technologies est d'une grande importance pour réduire les pertes causées par les catastrophes. Cet article propose une méthode de transfert d'apprentissage, apprenant des caractéristiques à partir de l'ensemble de données de scènes naturelles, puis les transférant à l'extraction des glissements de terrain. Cette méthode s'entraîne d'abord sur le réseau ResNet sur ImageNet, puis entre des échantillons d'images de zones de glissement de terrain, et transfère le réseau pré-entraîné ainsi que ses paramètres sur LinkNet pour enfin réaliser l'extraction des glissements de terrain. L'analyse et la validation de l'expérience d'extraction des glissements de terrain post-sismiques de Wenchuan de 2013 à 2015 ont montré que la méthode de transfert d'apprentissage proposée dans cet article présente une précision d'extraction supérieure par rapport à la méthode classique de machine à vecteur de support et à d'autres méthodes d'apprentissage approfondi, favorisant ainsi l'évaluation et la prise de décision ultérieures.

Télédétection ; Extraction des glissements de terrain ; Transfert d'apprentissage ; ImageNet ; Satellite chinois à haute résolution