本文介绍了由人工智能高级研究所（IARAI）主办的2022年“滑坡感知”（Landslide4Sense, L4S）竞赛的科学成果。该竞赛旨在基于全球范围内大规模多源卫星影像数据，实现滑坡的自动检测。2022年L4S竞赛致力于推动深度学习（Deep Learning, DL）模型在卫星影像语义分割任务中的最新进展，促进跨学科研究。近年来，得益于卷积神经网络（Convolutional Neural Networks, CNNs）的发展，基于深度学习的模型在图像理解任务中已取得令人满意的性能表现。本文的主要目标是详细介绍本次竞赛中的关键技术方案，并展示表现最优的算法。获奖方案采用了多种前沿模型，包括Swin Transformer、SegFormer和U-Net等。此外，研究还引入了多种先进的机器学习技术与策略，如困难样本挖掘（hard example mining）、自训练（self-training）以及混合数据增强（mix-up data augmentation）等方法，以进一步提升模型性能。为进一步支持后续研究，本文还详细描述了L4S基准数据集的构建情况，便于开展更广泛的对比实验，并公布了在线精度评估结果。相关数据已开放至“未来发展方向排行榜”（Future Development Leaderboard），可供后续评估使用，访问链接为：\url{this https URL}。我们诚邀广大研究人员提交更多预测结果，评估自身方法的准确性，与他人成果进行对比，并在此基础上不断优化，力争进一步提升本文所报告的滑坡检测性能。