基于ResNet50和迁移学习的岩性识别与分类研究OACSTPCD
Research on Lithology Identification and Classification Based on ResNet50 and Transfer Learning
岩性识别与分类对于地质分析具有重要的研究意义,是油藏描述和固体金属矿产资源勘探中的核心环节.传统的岩性识别方法受限于研究者的地质经验和实验设备的质量,受主观因素影响较大.为此提出了一种基于ResNet50网络模型和迁移学习的岩性识别与分类方法,首先使用预训练的ResNet50残差网络进行特征提取,然后利用改进的分类模型进行训练,最后在测试集上进行岩性识别分类.实验的数据集是使用工业相机在录井现场拍摄的岩屑和岩心图像,其中包含深灰色泥岩、深灰色粉砂…查看全部>>
刘晨;赵晓晖;梁乃川;张永新
山东师范大学数学与统计学院 济南 250358山东师范大学数学与统计学院 济南 250358聊城高级财经职业学校 聊城 252000山东师范大学数学与统计学院 济南 250358
天文与地球科学
岩性识别深度学习ResNet50迁移学习
《计算机与数字工程》 2021 (12)
2526-2530,2578,6
2019教育部产学合作系统育人项目(编号:201902009007)山东省计算机网络重点实验室开放课题(编号:SDKLCN-2020-05)山东师范大学教学改革重点项目(编号:2019XD19)资助.
评论