嵌入改進(jìn)注意力機(jī)制的鏡質(zhì)組顯微亞組分輕量級(jí)網(wǎng)絡(luò)識(shí)別模型

摘要： 為提高煤巖鏡質(zhì)組顯微組分的識(shí)別準(zhǔn)確率和識(shí)別模型性能，減少識(shí)別模型訓(xùn)練中的人工干預(yù)，以輕量級(jí)網(wǎng)絡(luò)模型ShuffleNet V2作為主干網(wǎng)絡(luò)，提出一種嵌入改進(jìn)注意力機(jī)制的煤巖鏡質(zhì)組顯微亞組分識(shí)別輕量級(jí)深度學(xué)習(xí)網(wǎng)絡(luò)模型。首先針對(duì)鏡質(zhì)組樣本數(shù)據(jù)量較少的問題，采用隨機(jī)裁剪、旋轉(zhuǎn)、鏡像及加噪等方法對(duì)初始樣本數(shù)據(jù)進(jìn)行增強(qiáng)，提高訓(xùn)練模型泛化能力；然后以大型數(shù)據(jù)集ImageNet上完成預(yù)訓(xùn)練的S...