用于深度自动岩石分类的深度卷积方法
计算机视觉与模式识别
2019-09-27 v3 机器学习
摘要
岩石描述是地质学家日常工作中最耗时的任务之一，尤其是在需要非常精确描述的情况下。我们在此提出一种减少精确描述岩石所需时间的方法，使地质学家能够更高效地工作。我们描述了基于颜色分布分析和特征提取方法的应用。然后我们聚焦于我们所采用的一种新方法，该方法基于卷积神经网络。我们使用了几种知名的神经网络架构（AlexNet、VGG、GoogLeNet、ResNet）并对其性能进行了比较。在验证集上，采用 GoogLeNet 架构的算法精度高达 95%。所提出算法中表现最佳者能在一分钟内描述 50 米全尺寸岩心。
引用
@article{arxiv.1909.10227,
title = {Deep Convolutions for In-Depth Automated Rock Typing},
author = {E. E. Baraboshkin and L. S. Ismailova and D. M. Orlov and E. A. Zhukovskaya and G. A. Kalmykov and O. V. Khotylev and E. Yu. Baraboshkin and D. A. Koroteev},
journal= {arXiv preprint arXiv:1909.10227},
year = {2019}
}
备注
25 pages, 9 figures, 3 tables, submitted to Computers and Geosciences Journal. Keywords: Core Image; Description; Convolutional Neural Networks; Representation; Geology; Lithotypes