基于深度迁移学习的煤岩显微组分识别算法

作者：季菁菁; 奚峥皓^*; 李忠峰

来源：智能计算机与应用, 2023, 13(02): 92-102.

• 煤岩显微组分
• 小样本
• 深度可分离卷积
• Res2Net
• 迁移学习

针对VGG-16网络模型对小数量的煤岩显微组分图像数据集识别准确度低、模型参数量过多的问题，提出一种基于迁移学习的小样本煤岩显微组分图像识别算法。算法首先改进了VGG-16分类网络模型，将Res2Net模块与VGG-16相结合，并用深度可分离卷积层代替VGG-16和Res2Net模块的原始卷积层，以此作为深度迁移识别网络预训练模型；然后迁移预训练模型中部分网络结构和参数，并结合优化的分类器模块完成网络的学习与优化。实验结果表明，在样本数据不充足的条件下，基于深度迁移学习识别网络模型识别准确率为96.33%,模型参数量为11.79 M。与其它网络模型相比，该方法在小数量的煤岩显微组分图像识别中具有明显的优越性。

• 单位
  上海工程技术大学; 营口理工学院