典型文献
融合注意力的自适应元学习岩性分类研究
文献摘要：
岩石图像采集过程难度大、成本高,导致岩性识别的训练样本匮乏.基于岩石图像样本分布导致特征分布不均衡的问题,提出融合注意力的自适应元学习岩石图像分类方法(FA-AML),捕捉岩性分类任务之间的共性,实现少样本场景下的岩性分类;利用融合注意力的残差网络提取最具有区分度的岩石关键特征,缓解特征分布不均衡的问题,并引入元网络自适应更新网络的学习率与正则项系数,提高网络超参数更新自适应性,增强网络适应新类别岩石图像的能力.结果表明,与其他主流元学习方法相比,FA-AML在进行岩石图像分类研究时具有优越的分类性能.
文献关键词：
岩性识别;图像分类;元学习;自适应;注意力;残差网络
中图分类号：
作者姓名：
马明刚;潘月梁;彭泽豹;王龙宝
作者机构：
浙江宁海抽水蓄能有限公司,浙江 宁海 315600;河海大学计算机与信息学院,江苏 南京 211100
文献出处：
引用格式：
[1]马明刚;潘月梁;彭泽豹;王龙宝-.融合注意力的自适应元学习岩性分类研究)[J].水力发电,2022(11):50-54,101
A类：
B类：
元学习,岩性分类,分类研究,岩石图像,图像采集,采集过程,岩性识别,训练样本,像样,样本分布,特征分布,图像分类,分类方法,FA,AML,分类任务,少样本,本场,残差网络,区分度,石关,关键特征,元网络,网络自适应,自适应更新,新网,学习率,正则项,超参数,参数更新,自适应性,网络适应,新类,分类性能
AB值：
0.426782
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
