期刊专题

铸体薄片图像孔隙自动分割方法优选

引用
铸体薄片中孔隙度的计算是评价储层流体流动性的一个重要参数,对孔隙的分割是关键一步.但目前传统孔隙的分割方法依赖专业人员,精度较低需要进行大量的人工交互才能提高精度.快速发展的深度学习为孔隙分割提供了一个新方法,但深度学习在孔隙分割领域存在使用模型单一和孔隙标注困难.为解决模型单一问题,对12个深度学习语义分割模型进行孔隙分割测试.为解决孔隙标注困难问题,利用迁移学习完成对模型的训练.为了综合评价模型的性能,以准确度、精确度、召回率、F1-score、模型训练时间和模型文件大小作为指标评价模型分割效果.最后实验结果表明,在12个模型中最优模型是Mobilenet_Unet,该模型的F1-score、精确度、召回率和准确度分别是0.9620、0.9687、0.9572和0.975,模型文件大小为72.1M,模型训练仅需要1.6h.

铸体薄片、迁移学习、孔隙、语义分割

19

TP391(计算技术、计算机技术)

国家自然科学基金42002147

2023-04-18(万方平台首次上网日期,不代表论文的发表时间)

共4页

19-22

暂无封面信息
查看本期封面目录

电脑知识与技术

1009-3044

34-1205/TP

19

2023,19(5)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn