首页|结合迁移学习和集成学习的岩石识别卷积神经网络模型

结合迁移学习和集成学习的岩石识别卷积神经网络模型

扫码查看
针对岩石智能识别的研究总体较少,且识别准确率较低的问题,提出一种结合迁移学习和集成学习方法的岩石识别卷积神经网络模型TF_MDR_Fusion,其主要结合迁移学习思想,对MobileNetV3_Large、DenseNet121 和ResNet50 这3 种模型在ImageNet数据集上进行预训练,通过集成学习方法将 3 种模型结合进一步提高岩石识别的性能.通过对比实验和消融实验,其结果均表明TF_MDR_Fusion模型比单个模型表现更出色,其对于岩石图像识别的准确率为 77.60%,可为岩石智能识别提供有力支持.
Convolutional Neural Network Model Combined with Transfer Learning and Ensemble Learning for Rock Identification
A convolutional neural network model named TF_MDR_Fusion is proposed for rock identification.The model is combined with transfer learning and ensemble learning methods.It primarily embraces the concept of transfer learning,in-volving pretraining the MobileNetV3_Large,DenseNet121,and ResNet50 models on the ImageNet dataset.Three models are combined using ensemble learning techniques to further elevate the performance of rock identification.Through comparative experiments and ablation experiments,the results consistently demonstrate that TF_MDR_Fusion model outperforms individual models,with an accuracy of 77.60%in rock image identification.

convolutional neural networktransfer learningintegrated learningrock identification

张龙昊、张超群、汤卫东、刘成星、代林林

展开 >

广西民族大学人工智能学院,广西 南宁 530006

广西混杂计算与集成电路设计分析重点实验室,广西 南宁 530006

卷积神经网络 迁移学习 集成学习 岩石识别

国家自然科学基金

62062011

2024

工业控制计算机
中国计算机学会工业控制计算机专业委员会 江苏省计算技术研究所有限责任公司

工业控制计算机

影响因子:0.258
ISSN:1001-182X
年,卷(期):2024.37(5)
  • 10