公开(公告)号：CN113537339A

公开(公告)日：2021-10-22

申请号：CN202110795094.6

申请日：2021-07-14

Applicant: 中国地质大学(北京)

Inventor： 季晓慧 ,  杨阳 ,  刘丹晨 ,  曾祥 ,  杨眉

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N5/04

Abstract: 本发明实施例公开了一种基于多标签图像分类的识别共生或伴生矿物的方法与系统，所述基于多标签图像分类的识别共生或伴生矿物的系统包括深度学习算法的卷积神经网络模块和长短期记忆网络模块，将带有多个类别标签的矿物实物图片输入卷积神经网络模块和长短期记忆网络模块进行预训练，训练完成后将采集的伴生或共生矿物实物图片输入系统，系统结合多个标签之间的依赖关系和输入的图片对矿物的所属类别进行分析预测，输出图片中矿物所属不同类别的概率大小，取概率值大于零的类别为该矿石中所包含矿物的所有类别，本发明解决了现有矿物识别系统仅能识别单个矿物导致的无法识别生长情况复杂的伴生或共生矿物的问题。

公开(公告)号：CN113537339B

公开(公告)日：2023-06-02

申请号：CN202110795094.6

申请日：2021-07-14

Applicant: 中国地质大学(北京)

Inventor： 季晓慧 ,  杨阳 ,  刘丹晨 ,  曾祥 ,  杨眉

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明实施例公开了一种基于多标签图像分类的识别共生或伴生矿物的方法与系统，所述系统包括深度学习算法的卷积神经网络模块和长短期记忆网络模块，将带有多个类别标签的矿物实物图片输入系统进行训练，训练完成后将采集的伴生或共生矿物实物图片输入系统，系统结合已学习到的多个标签之间的依赖关系和输入的采集的伴生或共生矿物图片特征对矿物所属类别进行分析预测，输出图片中采集的伴生或共生矿物所属不同类别的概率大小，取概率值大于零的类别为该采集的伴生或共生矿石中所包含矿物的所有类别，本发明解决了现有矿物识别系统仅能识别单个矿物导致的无法识别生长情况复杂的伴生或共生矿物的问题。

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)

Inventor： 季晓慧 ,  杨阳 ,  杨眉 ,  何明跃 ,  曾姗 ,  王玉柱

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。