典型文献
基于深度学习的介形类化石层次化识别
文献摘要：
介形类化石对地质年代的确定、古湖泊和古海洋的研究、古环境的重建以及海底石油资源的勘探等工作都具有重要意义.然而,现有识别化石颗粒的方法费时费力,准确率也有待提高.鉴于介形类化石颗粒的类别具有科、属、种的层次结构,种类数量庞大,所以笔者等提出了一种层次化识别方法.首先进行目标检测,实现介形类化石的定位与属类划分;之后在目标检测模块的基础上进行智能识别,使用卷积神经网络和支持向量机提取属类下更细微的种类特征,实现化石种类划分.实验结果表明,笔者等提出的分层次识别模型能检测出化石图像中所有化石颗粒的位置信息并对其进行分类,分类准确率可达95％,且相较于未进行分层次识别的模型,能将识别准确率提升1.8％～5.8％.
文献关键词：
介形类化石;层次识别;深度学习;目标检测;智能识别
中图分类号：
作者姓名：
安玉钏;陈雁;黄玉楠;李平;蒋裕强;王占磊
作者机构：
西南石油大学计算机科学学院,成都,610500;西南石油大学油气藏地质及开发工程国家重点实验室,成都,610500;西南石油大学地球科学与技术学院,成都,610500
文献出处：
引用格式：
[1]安玉钏;陈雁;黄玉楠;李平;蒋裕强;王占磊-.基于深度学习的介形类化石层次化识别)[J].地质论评,2022(02):673-684
A类：
介形类化石
B类：
层次化,地质年代,古湖泊,古海洋,古环境,海底,石油资源,勘探,费时费力,别具,层次结构,种类数量,目标检测,检测模块,智能识别,细微,种类特征,分层次,层次识别,识别模型,位置信息,分类准确率,识别准确率,准确率提升
AB值：
0.298684
相似文献
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。
