基于多尺度分组卷积ResNet34的岩石识别模型OA北大核心
Rock recognition based on multi-scale grouped convolution ResNet34
岩石分类有效提升地质风险评估的效率,为提高岩石粒度特征的识别精度,提出基于多尺度分组卷积ResNet34网络的岩石识别方法,在残差模块中添加多尺度分组卷积和空洞卷积,提升网络的特征表达能力.采用多尺度分组卷积特征提取的方式,将特征图按通道方向分为四部分,分别采用不同大小的卷积核进行并行运算和拼接,在更细粒度上提取岩石特征,同时减少了模型训练参数,进而采取空洞卷积增加感受野大小,提升岩石粒度识别精度.实验表明,该方法不仅有效提升了网络训练的收敛速度…查看全部>>
符甲鑫;汪琦
河海大学 理学院,江苏 南京 211100河海大学 理学院,江苏 南京 211100
信息技术与安全科学
ResNet34多尺度分组卷积空洞卷积细粒度岩石识别
《陕西科技大学学报》 2022 (1)
分数阶随机神经网络系统的分析与不连续控制
167-173,7
国家自然科学基金项目(61773152)
评论