近年來隨著人工智能的迅速發(fā)展,基于計算機(jī)視覺的圖像識別在各個領(lǐng)域一度成為研究熱點(diǎn)。本文首先對機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的基礎(chǔ)概念和結(jié)構(gòu)進(jìn)行概述,在此基礎(chǔ)上,探索圖像識別技術(shù)與地質(zhì)勘探領(lǐng)域的學(xué)科交叉研究情況,并分別闡述機(jī)器學(xué)習(xí)和深度學(xué)習(xí)上地質(zhì)領(lǐng)域的巖石圖像識別研究特征和區(qū)別。最后基于上述分析,對人工智能在巖石圖像上的應(yīng)用前景進(jìn)行討論,認(rèn)為基于深度學(xué)習(xí)的計算機(jī)視覺技術(shù)在地質(zhì)領(lǐng)域巖石圖像上的研究對于傳統(tǒng)地質(zhì)及相關(guān)行業(yè)的發(fā)展具有重要意義。 

【文章來源】：中國石油和化工標(biāo)準(zhǔn)與質(zhì)量. 2020,40(20)

【文章頁數(shù)】：3 頁

【文章目錄】：
0 引言
1 機(jī)器學(xué)習(xí)
2 深度學(xué)習(xí)
3 人工智能在巖石圖像上的應(yīng)用
    3.1 機(jī)器學(xué)習(xí)應(yīng)用
    3.2 深度學(xué)習(xí)應(yīng)用
4 結(jié)語


【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的鏡下礦石礦物的智能識別實(shí)驗(yàn)研究[J]. 徐述騰,周永章.  巖石學(xué)報. 2018(11)
[2]基于深度學(xué)習(xí)特征提取的巖石圖像礦物成分分析[J]. 白林,姚鈺,李雙濤,徐東晶,魏昕.  中國礦業(yè). 2018(07)
[3]基于巖石圖像深度學(xué)習(xí)的巖性自動識別與分類方法[J]. 張野,李明超,韓帥.  巖石學(xué)報. 2018(02)
[4]基于Spark平臺的巖石圖像聚類分析[J]. 楊艷梅,柳娜,程國建,強(qiáng)新建,王敘喬.  西安石油大學(xué)學(xué)報(自然科學(xué)版). 2016(06)
[5]基于概率神經(jīng)網(wǎng)絡(luò)的巖石薄片圖像分類識別研究[J]. 程國建,楊靜,黃全舟,劉燁.  科學(xué)技術(shù)與工程. 2013(31)
[6]基于圖像處理與神經(jīng)網(wǎng)絡(luò)的巖石組構(gòu)識別[J]. 程國建,馬微,魏新善,榮春龍,南珺祥.  西安石油大學(xué)學(xué)報(自然科學(xué)版). 2013(05)
[7]人工智能及其發(fā)展應(yīng)用[J]. 鄒蕾,張先鋒.  信息網(wǎng)絡(luò)安全. 2012(02)
[8]基于LS-SVM的巖石細(xì)觀圖像分析方法探討[J]. 劉延保,曹樹剛,劉玉成.  巖石力學(xué)與工程學(xué)報. 2008(05)



本文編號：3240401