公开(公告)号：CN118736274A

公开(公告)日：2024-10-01

申请号：CN202410732197.1

申请日：2024-06-06

Applicant: 同济大学

Inventor： 汤继周 ,  李佳宇 ,  赵贤正 ,  李玉伟 ,  陈开达 ,  金凤鸣 ,  宋舜尧 ,  孙大钊

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/30 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及的是基于深度学习和噪声转移矩阵的复杂岩性识别方法，它包括：获取岩芯图像，形成具有标签噪声的岩芯图像数据集；构建ResNet神经网络模型，利用岩芯图像数据集对模型进行预训练，计算岩芯图像数据集的噪声转移矩阵和噪声率；再构建两个ResNet神经网络模型，基于Co‑teaching思想，同时训练这两个模型，更新模型参数；在两个模型训练过程中，使用噪声转移矩阵对损失函数进行修正，以修正后的损失更新模型参数，得到岩性识别模型；用岩性识别模型对未标注岩芯样本进行岩性预测，可视化展示预测结果。本发明采用Co‑teaching技术和噪声转移矩阵相结合，能够高效准确识别含噪声数据集中的未知岩性。