公开(公告)号：CN111723738B

公开(公告)日：2024-06-21

申请号：CN202010565445.X

申请日：2020-06-19

Applicant: 安徽工业大学

Inventor： 王培珍 ,  余晨 ,  阮佩 ,  薛子邯

IPC: G06V20/69 ,  G06V10/82 ,  G06V10/44 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/096 ,  G06N3/048

Abstract: 本发明公开了一种基于迁移学习的煤岩壳质组显微图像分类方法及系统，属于图像处理技术领域，包括以下步骤：S1：采集并扩充样本数量；S2：获取预训练模型；S3：构建煤岩壳质组显微组分识别模型；S4：进行组分识别。在所述步骤S1中，数据增强的过程如下：S11；将获取的样本分为训练集和测试集S12；对训练集中的图像进行随机缩放、随机水平平移、竖直平移，实现数据扩充。本发明基于迁移学习方法通过共享预训练网络中卷积层与池化层的参数完成对目标数据集的训练，使得在壳质组样本量有限的情况下也能训练出一个泛化能力很好的模型，实现了对煤岩壳质图像的有效分类，值得被推广使用。

公开(公告)号：CN111723738A

公开(公告)日：2020-09-29

申请号：CN202010565445.X

申请日：2020-06-19

Applicant: 安徽工业大学

Inventor： 王培珍 ,  余晨 ,  阮佩 ,  薛子邯

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于迁移学习的煤岩壳质组显微图像分类方法及系统，属于图像处理技术领域，包括以下步骤：S1：采集并扩充样本数量；S2：获取预训练模型；S3：构建煤岩壳质组显微组分识别模型；S4：进行组分识别。在所述步骤S1中，数据增强的过程如下：S11；将获取的样本分为训练集和测试集S12；对训练集中的图像进行随机缩放、随机水平平移、竖直平移，实现数据扩充。本发明基于迁移学习方法通过共享预训练网络中卷积层与池化层的参数完成对目标数据集的训练，使得在壳质组样本量有限的情况下也能训练出一个泛化能力很好的模型，实现了对煤岩壳质图像的有效分类，值得被推广使用。