發(fā)布時(shí)間：2022-10-19 13:20

　　近幾年來(lái),隨著卷積神經(jīng)網(wǎng)絡(luò)的迅速發(fā)展并在大規(guī)模圖像處理領(lǐng)域取得了優(yōu)異的表現(xiàn),多個(gè)領(lǐng)域的研究者們都將目光轉(zhuǎn)向了深度學(xué)習(xí)。將地質(zhì)科學(xué)與計(jì)算機(jī)技術(shù)相結(jié)合,是一個(gè)新的研究課題與研究方向,而對(duì)于地質(zhì)行業(yè)的從業(yè)者而言,如何在信息時(shí)代對(duì)大量的巖石樣本圖像進(jìn)行分類(lèi)管理并且有效的檢索是值得研究與應(yīng)用的課題。雖然深度學(xué)習(xí)已經(jīng)在圖像檢索領(lǐng)域有了很好的表現(xiàn),但是其在地質(zhì)領(lǐng)域的應(yīng)用仍然存在很多問(wèn)題,例如算法運(yùn)算復(fù)雜度較高,難以實(shí)時(shí)應(yīng)用,網(wǎng)絡(luò)訓(xùn)練要求大量的數(shù)據(jù)才能完成,該領(lǐng)域難以應(yīng)用。為了解決這些問(wèn)題,本文對(duì)已有的數(shù)據(jù)進(jìn)行了預(yù)處理與增強(qiáng),采用多粒度網(wǎng)絡(luò)的思想,利用從多種粒度特征圖中提取的信息來(lái)提升識(shí)別與檢索的性能,能有效改善數(shù)據(jù)量不足的問(wèn)題。本文的研究?jī)?nèi)容主要包括以下幾點(diǎn):首先,針對(duì)目前巖石樣本圖像數(shù)據(jù)量不足的問(wèn)題,本文利用有限的數(shù)據(jù)通過(guò)數(shù)據(jù)預(yù)處理以及數(shù)據(jù)增強(qiáng)的方式豐富了數(shù)據(jù)和場(chǎng)景的數(shù)量,劃分了訓(xùn)練集、測(cè)試集和驗(yàn)證集,并對(duì)數(shù)據(jù)集中的圖片進(jìn)行人工標(biāo)注。其次,由于巖石樣本的細(xì)粒度特征對(duì)于巖石樣本圖像的識(shí)別具有重要意義,本文使用了多粒度網(wǎng)絡(luò)來(lái)對(duì)不同粒度的特征進(jìn)行提取,并根據(jù)應(yīng)用領(lǐng)域的特點(diǎn)對(duì)參數(shù)進(jìn)行優(yōu)化調(diào)整。根據(jù)設(shè)置的多... 

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于機(jī)器學(xué)習(xí)方法的巖石圖像應(yīng)用研究現(xiàn)狀
        1.2.2 深度學(xué)習(xí)研究現(xiàn)狀
        1.2.3 圖像檢索研究現(xiàn)狀
    1.3 存在的問(wèn)題
    1.4 研究目標(biāo)與研究?jī)?nèi)容
    1.5 論文結(jié)構(gòu)
第2章 相關(guān)技術(shù)綜述
    2.1 基于內(nèi)容的圖像檢索
        2.1.1 圖像檢索系統(tǒng)結(jié)構(gòu)
        2.1.2 圖像特征提取
        2.1.3 特征比較
        2.1.4 檢索性能的評(píng)價(jià)標(biāo)準(zhǔn)
    2.2 神經(jīng)網(wǎng)絡(luò)
        2.2.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.2 殘差網(wǎng)絡(luò)
    2.3 GAN生成式對(duì)抗網(wǎng)絡(luò)
        2.3.1 生成式對(duì)抗網(wǎng)絡(luò)原理
        2.3.2 深度卷積生成式對(duì)抗網(wǎng)絡(luò)
    2.4 本章小結(jié)
第3章 基于CNN的多粒度巖石樣本圖像檢索方法
    3.1 訓(xùn)練集擴(kuò)容
        3.1.1 數(shù)據(jù)預(yù)處理
        3.1.2 數(shù)據(jù)增強(qiáng)
        3.1.3 DCGAN介紹
        3.1.4 數(shù)據(jù)擴(kuò)容訓(xùn)練
    3.2 多粒度網(wǎng)絡(luò)框架
        3.2.1 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
        3.2.2 損失函數(shù)
    3.3 本章小結(jié)
第4章 基于主動(dòng)學(xué)習(xí)的對(duì)齊多粒度網(wǎng)絡(luò)算法設(shè)計(jì)
    4.1 相關(guān)工作
    4.2 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
        4.2.1 空間變換網(wǎng)絡(luò)
        4.2.2 主干網(wǎng)絡(luò)
        4.2.3 分支網(wǎng)絡(luò)
        4.2.4 仿射預(yù)測(cè)網(wǎng)絡(luò)
    4.3 本章小結(jié)
第5章 對(duì)比實(shí)驗(yàn)與結(jié)果分析
    5.1 實(shí)驗(yàn)數(shù)據(jù)與環(huán)境
        5.1.1 數(shù)據(jù)集介紹
        5.1.2 網(wǎng)絡(luò)參數(shù)的設(shè)置與實(shí)驗(yàn)環(huán)境
    5.2 基于多粒度網(wǎng)絡(luò)的巖石樣本圖像檢索
        5.2.1 不同數(shù)據(jù)擴(kuò)容方法對(duì)比
        5.2.2 MGN準(zhǔn)確率提升驗(yàn)證
        5.2.3 損失函數(shù)權(quán)重的影響
    5.3 基于對(duì)齊多粒度網(wǎng)絡(luò)的巖石樣本圖像檢索
        5.3.1 網(wǎng)絡(luò)訓(xùn)練過(guò)程
        5.3.2 實(shí)驗(yàn)及結(jié)果分析
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 未來(lái)工作展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]卷積神經(jīng)網(wǎng)絡(luò)在巖石薄片圖像檢索中的應(yīng)用初探[J]. 程國(guó)建,岳清清.  智能計(jì)算機(jī)與應(yīng)用. 2018(02)
[2]基于灰度共生矩陣紋理特征的局部放電模式識(shí)別[J]. 陳煥栩,解浩,張建文,嚴(yán)家明.  電力系統(tǒng)保護(hù)與控制. 2018(05)
[3]基于巖石圖像深度學(xué)習(xí)的巖性自動(dòng)識(shí)別與分類(lèi)方法[J]. 張野,李明超,韓帥.  巖石學(xué)報(bào). 2018(02)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的巖石圖像分類(lèi)[J]. 程國(guó)建,郭文惠,范鵬召.  西安石油大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(04)
[5]基于鑄體薄片圖像顏色空間與形態(tài)學(xué)梯度的巖石分類(lèi)[J]. 劉燁,程國(guó)建,馬微,郭超.  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(07)
[6]光譜增強(qiáng)技術(shù)在高光譜數(shù)據(jù)巖性識(shí)別中的應(yīng)用[J]. 韋晶,朱金山,孫林,郭亞敏.  資源開(kāi)發(fā)與市場(chǎng). 2013(11)
[7]基于概率神經(jīng)網(wǎng)絡(luò)的巖石薄片圖像分類(lèi)識(shí)別研究[J]. 程國(guó)建,楊靜,黃全舟,劉燁.  科學(xué)技術(shù)與工程. 2013(31)
[8]基于圖像處理與神經(jīng)網(wǎng)絡(luò)的巖石組構(gòu)識(shí)別[J]. 程國(guó)建,馬微,魏新善,榮春龍,南珺祥.  西安石油大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(05)
[9]基于顏色特征的棉株株頂識(shí)別研究[J]. 瞿端陽(yáng),王維新,馬本學(xué),丁志鋒.  農(nóng)機(jī)化研究. 2013(04)
[10]BP網(wǎng)絡(luò)在火成巖巖石化學(xué)判別分類(lèi)中的應(yīng)用[J]. 劉鳳英,張楠,郎偉民.  新疆地質(zhì). 2007(02)

碩士論文
[1]深度信念網(wǎng)絡(luò)在巖石薄片圖像處理中的應(yīng)用研究[D]. 劉麗婷.西安石油大學(xué) 2017



本文編號(hào)：3693438