基于注意力增强 ConvNeXt 的深层学习岩石颗粒分类
计算机视觉与模式识别
2025-09-12 v2 人工智能
摘要
岩石尺寸的准确分类是岩土工程、采矿和资源管理中的关键环节，精确估计直接影响作业效率和安全性。本文提出一种基于 ConvNeXt 架构的增强深层学习模型，增添了自注意力和通道注意力机制。构建在 ConvNeXt 基础上的 our 模型，称为 CNSCA，引入自注意力以捕获长程空间依赖，引入通道注意力以强调信息丰富的特征通道。这种混合设计使模型能够有效捕获岩石影像中细粒局部模式和更广阔的上下文关系，从而提高分类准确率和鲁棒性。我们在岩石尺寸分类数据集上评估了 our 模型，并将其与三强基准进行比较。结果表明，注意力机制的融合显著提升了模型在涉及自然纹理如岩石的细粒分类任务中的性能。
引用
@article{arxiv.2509.01704,
title = {Deep Learning-Based Rock Particulate Classification Using Attention-Enhanced ConvNeXt},
author = {Anthony Amankwah and Chris Aldrich},
journal= {arXiv preprint arXiv:2509.01704},
year = {2025}
}
备注
The paper has been withdrawn by the authors to accommodate substantial revisions requested by a co-author. A revised version will be submitted