-
公开(公告)号：CN118397611A
公开(公告)日：2024-07-26
申请号：CN202410567628.3
申请日：2024-05-09
Applicant: 中国地质大学(北京)
IPC: G06V20/60 , G06V10/26 , G06V10/44 , G06V10/52 , G06V10/70 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明实施例公开了一种基于图像分割的共生矿物识别方法与系统，所述方法与系统包括获取矿物图像并标注及扩充矿物图像分割数据集，构建以Swin Transformer为编码器、改进的特征金字塔为解码器的矿物图像分割模型，并使用多尺度金字塔池化及全局注意力模块以融合不同尺度的矿物特征信息，获取更全面和丰富的矿物特征表示，有效整合矿物图像的上下文信息，加强模型对于不同抽象级别特征的提取能力，保持特征图的丰富性，提高矿物分割性能，训练时使用迁移学习冻结编码器Swin Transformer在ImageNet预训练后在矿物分类数据集微调后的权重后对模型使用矿物分割数据集进行训练，所得模型解决了现有方法和系统仅能识别共生矿物图像中矿物种类，不能对各种类矿物进行准确定位的问题。
-
公开(公告)号：CN117496266A
公开(公告)日：2024-02-02
申请号：CN202311584960.2
申请日：2023-11-24
Applicant: 中国地质大学(北京)
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N20/20
Abstract: 本发明实施例公开了一种基于图像数据增强与集成学习的矿物识别方法与系统，所述方法与系统使用深度卷积生成对抗网络(DCGAN)对真实矿物图像少于2000的矿物生成图像并加入到训练集中，并用扩充了的训练数据训练多个先进图像分类模型进行矿物的分别识别，各识别结果以加权投票法进行集成得到最终识别结果。本发明解决了矿物训练数据集中各不同种类矿物图像数量的不均衡问题，提高了矿物识别精度，同时集成更多先进模型用于识别矿物图像，进一步提高了矿物识别精度。
-
公开(公告)号：CN117392407A
公开(公告)日：2024-01-12
申请号：CN202311532000.1
申请日：2023-11-16
Applicant: 中国地质大学(北京)
IPC: G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明实施例公开了一种基于多粒度图像特征的矿物识别方法与系统，所述方法与系统将同一矿物图像根据粒度不同裁剪出多个小块并分别采用随机拼图的方式拼接出3个新图，使用3个新图及原图共4个图像对骨干网络进行粒度由细到粗的4次训练，前3次经骨干网络的不同层提取相应粒度的矿物图像特征后分类，第4次融合所有粒度特征后分类，并且将不同粒度的4次分类结果加和后作为最终识别结果，训练时除第1次训练外的后3次训练均使用前一次粒度训练结束时的参数为初始值以进一步融合矿物多粒度图像特征。本发明解决了现有矿物识别方法与系统无法对矿物非常相似的细粒度特征进行识别而带来的识别准确率不高的问题，进一步提高了矿物识别准确率。
-
公开(公告)号：CN116580307A
公开(公告)日：2023-08-11
申请号：CN202310655461.1
申请日：2023-06-05
Applicant: 中国地质大学(北京)
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于分布外检测的矿物识别方法与系统，所述方法与系统包括卷积神经网络(CNN)和单类支持向量机(OCSVM)，首先固定OCSVM的参数令其输出判别为已知类，使用带有类别标签的矿物图像对CNN训练得到可以识别已知类矿物的CNN，然后固定CNN权重并用已知类矿物图像在此CNN的第2层特征向量训练OCSVM得到已知类矿物所在的高维空间超平面；2步训练完成后系统在识别实际矿物图像时将首先判断其是否在已知类矿物所在的高维空间超平面上，如果不在输出其为未知类，否则输出其为各已知类矿物的概率，本发明解决了现有方法与系统把不属于训练集类别的矿物识别为训练集中类别的误识别问题。
-
-
-
Search Results
4
records
(took 0.019 seconds)
