文献类型：期刊文章

作　　者：袁硕[1] 刘玉敏[2] 安志伟[1] 王硕昌[1] 魏海军[1]

YUAN Shuo;LIU Yumin;AN Zhiwei;WANG Shuochang;WEI Haijun(School of Electrical and Information Engineering,Northeast Petroleum University,Daqing 163318,China;School of Electrical Engineering,Chongqing University of Science and Technology,Chongqing 401331,China)

机构地区：[1]东北石油大学电气信息工程学院,黑龙江大庆163318 [2]重庆科技学院电气工程学院,重庆401331

出　　处：《吉林大学学报（信息科学版）》

基　　金：黑龙江省自然科学基金资助项目(TD2019D001)。

年　　份：2023

卷　　号：41

期　　号：3

起止页码：450-458

语　　种：中文

收录情况：CAS、IC、JST、RCCSE、ZGKJHX、普通刊

摘　　要：由于基于传统深度学习的岩石图像识别算法模型比较繁琐,而且应用于移动终端等需要一定的计算能力,因此很难实现对岩石类型的实时准确判别。为此,以ShuffleNetV2网络为基础,插入通道连接注意力机制ECA(Efficient Channel Attention)模块,使用Mish激活函数代替ReLU激活函数并引入轻量级网络部件中的深度可分离卷积。将该方法用于岩石图像识别,实验结果表明,改进后的算法结构简单,同时具有轻量化的特点,其识别精度达到94.74%,可在移动终端等有限资源环境下应用。

关 键 词：岩石图像  有效通道注意力机制  Mish激活函数  ShuffleNet网络  

分 类 号：TP312]