基于EMD距离度量的小样本矿物图像分类

作者：杜睿山; 张轶楠; 孟令东; 张桐

来源：郑州大学学报(理学版）, 2023, 55(06): 63-70.

DOI：10.13705/j.issn.1671-6841.2023176

• 小样本学习
• 度量学习
• EMD距离
• 特征增强
• 矿物识别

在复杂的地质勘探条件下准确完成矿物识别是一项重要的任务。基于数据驱动的深度学习模型能精确识别各类岩石矿物，但需要构建庞大且完备的数据集，在实际情况下难以应用。针对此问题，结合小样本学习、度量学习以及元学习训练策略，使用EMD距离度量计算图像之间的结构距离，构建一种适应于小样本矿物的图像分类模型。核心思想在于利用图块级别度量并引入交叉参考权重机制，有效减少同类差异大和背景杂乱带来的影响，优于图与图判定分类的模型。在mini-ImageNet数据集上，5-way 1-shot和5-way 5-shot设置的分类准确率分别提高至55.91%、67.58%;将算法应用于小样本黏土矿物数据集上，5-way 5-shot设置的分类准确率为92.65%。实验结果表明，利用度量学习方法的分类精度高于其他小样本学习方法。

• 单位
  东北石油大学; 大庆油田有限责任公司勘探开发研究院