申请/专利权人:燕山大学
申请日:2024-03-05
公开(公告)日:2024-05-07
公开(公告)号:CN117994665A
主分类号:G06V20/10
分类号:G06V20/10;G06V10/80;G06V10/82;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.24#实质审查的生效;2024.05.07#公开
摘要:本发明公开了基于轻量级多尺度自适应融合网络模型的岩性识别方法,属于地质勘探领域,包括:构建由数据多尺度预处理模块、多尺度自适应加权卷积神经网络模块、通道注意力模块和微调模块组成的轻量级多尺度自适应融合网络模型;采用数据多尺度预处理模块对采集的数据进行多尺度数据预处理;采用多尺度自适应加权卷积神经网络模块对预处理后的岩性数据进行多尺度自适应加权处理;采用通道注意力模块对多尺度生成的特征图进行动态组合;采用微调模块进一步优化模型的输出;采用动态焦点损失函数对模型进行训练;采用训练好的模型进行岩性识别。本发明有效的缓解了岩性数据的类不平衡问题,提高了岩性识别的准确率。
主权项:1.一种基于轻量级多尺度自适应融合网络模型的岩性识别方法,其特征在于,包括以下步骤:步骤1,构建轻量级多尺度自适应融合网络模型;所述轻量级多尺度自适应融合网络模型包括数据多尺度预处理模块、多尺度自适应加权卷积神经网络模块、通道注意力模块和微调模块;步骤2,采用数据多尺度预处理模块对采集的数据进行多尺度数据预处理;步骤3,采用多尺度自适应加权卷积神经网络模块对预处理后的岩性数据进行多尺度自适应加权处理;步骤4,采用通道注意力模块对多尺度生成的特征图进行动态组合;步骤5,采用微调模块进一步优化轻量级多尺度自适应融合网络模型的输出;步骤6,采用动态焦点损失函数对轻量级多尺度自适应融合网络模型进行训练;步骤7,采用训练好的轻量级多尺度自适应融合网络模型进行岩性识别。
全文数据:
权利要求:
百度查询: 燕山大学 基于轻量级多尺度自适应融合网络模型的岩性识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。