滑坡是山区发生的灾难性自然灾害之一,给当地人民带来重大生命和财产损失。由于滑坡具有突发、群发、集中爆发的特点,故而灾后第一时间精确的判定滑坡位置和区域对于灾害救援和灾情评估具有重要意义。传统方法依赖于解译者的专业知识储备,在面对突发、群发滑坡灾害时,其调查范围有限、耗时长等缺点将凸显。近年来,随着计算机技术和人工智能研究的发展,深度学习在图像检测和语义分割等领域得到了广泛运用。如何将深度学习与遥感技术相结合,克服传统滑坡识别方法的不足,成为当前的研究热点。本文选择位于秦巴山区的滑坡灾害高发地陕西省镇巴县为研究区域,使用深度学习方法开展滑坡自动识别研究。论文取得的主要成果如下:（1）采用目视解译方法对陕西镇巴县滑坡点进行了识别和编录,结合秦巴山区的实际研究情况,总结了一套针对研究区域滑坡遥感识别的解译标志,并以此建立了该区域的滑坡影像数据库,经野外实地考察证明了其准确性。（2）使用影像数据库中带标注的滑坡图像训练Mask R-CNN和U-Net两种神经网络,完成了对滑坡区域的检测以及语义分割。为了克服这两种网络在针对滑坡这一目标时的局限性,进一步提高模型的精度,本文引入了CBAM注意力机制模块对模型进行改进,使网络重点关注滑坡区域,更有利于提取有效特征。（3）从两个方面评估了CBAM注意力机制改进Mask R-CNN和U-Net滑坡自动识别模型的效果:一是通过统计量计算模型的精度并进行了对比,证明了模型改进后的效果优于原始模型;二是使用模型对秦巴山区几个重大滑坡和镇巴县内已有滑坡影像进行识别,其结果证明了改进网络模型具备一定的有效性。