RockDNet：岩性分类的深度学习方法,Applied Sciences

深度学习模型集成：提高预测准确性的方法 #生活技巧# #学习技巧# #深度学习技巧#

分析岩石和地下层被称为钻芯岩性。提取的岩心样本不仅有助于探索岩心特性，还有助于揭示整个周围地区的岩性。从钻屑中自动识别岩石是高效储层表征的关键要素，取代了当前主观且耗时的手动过程。计算机硬件和深度学习技术的最新进步使得各种应用的自动分类成为可能，岩性也不例外。这项工作旨在设计一种使用深度学习技术进行岩石图像分类的自动化方法。除了与基准 CNN 模型进行彻底比较之外，还提出了一种新颖的 CNN（卷积神经网络）用于岩性分类。所提出的 CNN 模型的优点是复杂度非常低，同时保持高精度。对来自“digitalrocksportal”数据库的岩石法师的实验结果证明了该方法能够对碳酸盐岩、砂岩和页岩岩石三类进行高精度分类，并且与相关工作的比较证明了该模型的效率，具有更多参数节省 98% 以上。

"点击查看英文标题和摘要"

网址：RockDNet：岩性分类的深度学习方法,Applied Sciences https://www.yuejiaxmz.com/news/view/602702

相关内容

LIFE SCIENCES 影响因子5.200分，是几区，2023
深度学习语音识别方法概述与分析
心理学部团队在《Applied Psychology: Health and Well
基于深度学习的垃圾分类识别系统
人工智能之深度学习的学习方法
【深度学习】深度学习语音识别算法的详细解析
人工智能安全方向
基于多维度聚类算法的重庆住宅空调使用特征分析
深度学习
一种基于深度学习的数据清洗方法与流程

随便看看