科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统卷积神经网络运用于矿物种属鉴定时，由于其较大的参数量和固定输入图像分辨率的限制，需要充足的计算资源与一定的图像预处理能力，难以在实际勘探中部署。为此，基于深度可分离卷积，结合注意力机制，通过密集连接的方式构建矿物智能识别模型，且该模型可以对多分辨率矿物图像进行训练。实验结果表明，模型内存占用仅为20 Mb,验证准确率与测试准确率均高于90%,分类效果优于经典卷积神经网络，表现出优异的正负例样本鉴别能力。以上结果证明，该模型在识别性能与内存占用上达到良好的平衡，适用于便携式设备，且能有效地对不同分辨率矿物图像进行识别，并有良好的泛化性，具有潜在的应用价值。
-
单位昆明理工大学; 自动化学院
