该项目为地质遥感滑坡语义分割项目，主要目标是利用深度学习模型对遥感影像中的滑坡区域进行像素级识别。项目基于 Python 和 PyTorch 实现，包含 LoveDA 数据集预训练、Landslide4Sense 数据集微调、多光谱遥感数据处理、mask 掩膜解析、类别不平衡分析、训练集与验证集构建等工作。模型方面使用 Swin Transformer / UPerNet 风格的语义分割网络，完成预训练权重加载、训练脚本编写、验证流程设计、显存优化、日志记录和模型保存。实验评估包括 IoU、Dice、F1、Precision、Recall 等指标，并生成分割可视化图、训练曲线和论文式结果表格。该案例体现了我在遥感图像分割、深度学习代码训练、模型调优和科研论文整理方面的能力。