一种岩石识别深度学习模型岩石分类约束继承性损失方法技术

本申请公开了一种岩石识别深度学习模型岩石分类约束继承性损失方法，包括：根据岩石样本的多级标签构建岩石样本数据集D，构建深度神经网络，将待训练岩石样本图像输入深度神经网络，网络输出针对分类树各层级的最后一级标签预测；计算分类树各层级的预测概率P

A deep learning model for rock recognition

【技术实现步骤摘要】
一种岩石识别深度学习模型岩石分类约束继承性损失方法
本专利技术涉及一种岩石识别深度学习模型岩石分类约束继承性损失方法。
技术介绍
在地质行业中，区域地质调查是地质工作的先行步骤，又是地质工作的基础工作。它是指在选定地区的范围内或按照不同比例尺精度(如：1∶50000、1∶200000、1∶250000等)，在充分研究和运用已有资料的基础上，采用必要的手段，进行全面系统的综合性的野外实地地质调查研究工作。其主要任务是，通过地质填图、找矿和综合研究，阐明区域内的岩石、地层、构造、地貌、水文地质等基本地质特征及其相互关系，研究矿产的形成条件和分布规律。为进一步的地质找矿工作提供基础地质资料。要实现上述目标，最基本最主要的工作方法是野外实地勘查和观测研究，而岩石学矿物学是地质学最基础的知识，一到野外首先遇到的就是矿物岩石。因此，认识岩石是每一个地质工作者最基本的专业能力。目前，据大多专业地质人员提供经验数据表明，一个专业人员在野外正确识别标本的能力，准确率达60-80％算是较高至高的水平了。因此，在野外准确的识别岩石和定名，不仅是对专业人员最大的挑战，本文档来自技高网...

【技术保护点】
1.一种岩石识别深度学习模型岩石分类约束继承性损失方法，其特征在于，包括：/n第一步，根据岩石样本的多级标签构建岩石样本数据集D，岩石样本数据集D的各层级标签所构成的分类树共计n级，第i(1≤i≤n)级的标签数量记作N

【技术特征摘要】
1.一种岩石识别深度学习模型岩石分类约束继承性损失方法，其特征在于，包括：
第一步，根据岩石样本的多级标签构建岩石样本数据集D，岩石样本数据集D的各层级标签所构成的分类树共计n级，第i(1≤i≤n)级的标签数量记作Ni；
第二步，构建深度神经网络，将待训练岩石样本图像输入深度神经网络，网络输出针对分类树各层级的最后一级标签预测；
第三步，按照岩石样本数据集D的各层级标签所构成的分类树的层间从属关系，通过分组和相加操作，计算分类树各层级的预测概率Pi；
第四步，将所述分类树各层级的预测概率Pi分别对照对应的层级标签进行逐级计算，获得各层级交叉熵损失；
第五步，将各层级交叉熵损失相加，得到输入的岩石样本图像的岩石分类约束继承性损失；
第六步，对所述岩石分类约束继承性损失进行判断是否满足收敛条件，如果满足，结束，否则，结合优化策略更新网络参数，返回第三步，进入新一轮迭代，直到满足收敛条件。


2.根据权利要求1所述的岩石识别深度学习模型岩石分类约束继承性损失方法，其特征在于，所述第一步还包括根据岩石样本增多，动态增加分类树结构和树叶的步骤。


3.根据权利要求2所述的岩石识别深度学习模型岩石分类约束继承性损失方法，其特征在于，所述岩石样本数据集D的各层级标签所构成的分类树根据末级动态再分类法，对新增和原有的岩石样本细化和优化层级分类。


4.根据权利要求3所述的岩石识别深度学习模型岩石分类约束继承性损失方法，其特征在于，将待训练岩石样本图像输入深度神经网络，网络输出针对分类树各层级的最后一级标签预测，包括：通过softmax函数计算后，逐...

【专利技术属性】
技术研发人员：李超岭，孙钰，刘园园，李丰丹，韩雪，刘畅，于杲彤，袁明帅，吕霞，刘璇昕，
申请(专利权)人：中国地质调查局发展研究中心，
类型：发明
国别省市：北京;11