| 2 | 基于岩石新鲜面图像与孪生卷积神经网络的岩性识别方法研究显示文摘目前岩性识别多基于人工判别方法,需要一定的专业背景和丰富的判别经验。该文提出基于岩石新鲜面图像与孪生卷积神经网络结构的深度学习岩性自动识别方法,兼顾岩石数据的全局图像信息和局部纹理信息。首先利用孪生卷积神经网络中的子通道提取岩石图像的全局和局部特征信息,再将特征信息融合以构建统一描述子,最后根据描述子信息识别岩性。选取野外拍摄的岩石图像作为模型验证数据,通过专家命名构建深度学习样本库对模型进行验证和分析。实验结果表明,该文提出的基于AlexNet孪生卷积神经网络对岩石数据的适用性较强,对岩性的识别精度达89.4%,能很好地区分岩石类型。 | 冯雅兴 龚希 徐永洋 谢忠 蔡惠慧 吕霞 | 2019 | 地理与地理信息科学2019，35，5： | 17 |
| 3 | 基于卷积神经网络模型划分成矿远景区——以甘肃大桥地区金多金属矿田为例显示文摘大数据和高性能计算使得地质学可能突破种种主客观因素的限制,从传统的定性描述和不确定性作为特点转变为更全面的定量化发展阶段,即地质学更加注重通过挖掘复杂的多元地学数据间的关联关系来探究地质成因过程。为了厘清研究区多元化地质数据并划分成矿远景区,结合现代信息化新方法新技术,智能高效地帮助地学工作者提供辅助决策依据。以甘肃省大桥金矿为研究区,提出了利用一维卷积神经网络替代传统的人工计算,通过对研究区金多金属矿的地球化学元素及地球物理元素数据进行训练,挖掘研究区综合成矿信息,依据训练结果划分出4类成矿远景区。研究结果表明,地质成矿过程复杂,每一个成矿预测要素在地质成矿过程中均发挥重要的作用。在大比例尺度上,应用深度学习网络模型划分成矿远景区能客观地反映多元化地质数据本身的非线性特征,识别地质要素的空间特征,深层次提取和挖掘成矿异常信息,实现矿产资源智能化预测评价。 | 蔡惠慧 徐永洋 李孜轩 曹豪豪 冯雅兴 陈思琼 李永胜 | 2019 | 地质通报2019，38，12： | 14 |
您所在的机构暂未开通此部分的功能，请联系管理员