文献检索-宁波市创意产业特色资源库

限定检索结果

检索条件"作者=伍峻琦"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

视图：

排序：

基于深度学习的智能矿物识别方法研究: 收藏
分享
引用; 《地学前缘》2020年第5期27卷 39-47页; 作者：郭艳军周哲林贺洵刘小辉陈丹丘祝佳琪伍峻琦北京大学地球与空间科学学院北京100871 北京大学信息科学技术学院北京100871 北京大学软件与微电子学院北京102600 北京大学地球科学国家级实验教学示范中心北京100871 北京大学地球科学国家级虚拟仿真实验教学中心北京100871; 矿物识别在许多研究领域都有着重要作用,基于深度学习技术的智能矿物识别为这些领域带来了新的发展方向,不仅能有效节省人工成本,还能减小识别错误。针对石英、角闪石、黑云母、石榴石和橄榄石共5种矿物进行实验,提出了一种准确高效的...; 矿物识别在许多研究领域都有着重要作用,基于深度学习技术的智能矿物识别为这些领域带来了新的发展方向,不仅能有效节省人工成本,还能减小识别错误。针对石英、角闪石、黑云母、石榴石和橄榄石共5种矿物进行实验,提出了一种准确高效的智能矿物识别方法。实验采用图像分析常用的卷积神经网络建立模型,设计出一套基于残差神经网络的矿物识别方法。本实验独立采集了5种矿物的偏光显微图像数据集,用于模型的训练、验证和测试,并通过合理的数据增强策略来扩充训练数据集。在卷积神经网络的结构设计上,选取了ResNet-18作为框架,最终于模型测试中取得89%的准确率,成功训练出一个较为精准的矿物识别模型,实现了基于深度学习的智能矿物识别方法。; 来源：详细信息评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页<< <1> >>

聚类工具回到顶部