| 基于深度学习的位场边界识别方法 |
| |
| 引用本文： | 张志厚,姚禹,石泽玉,王虎,乔中坤,王生仁,覃礼貌,杜世回,罗锋,刘慰心.基于深度学习的位场边界识别方法[J].地球物理学报,2022,65(5):1785-1801. |
| |
| 作者姓名： | 张志厚 姚禹 石泽玉 王虎 乔中坤 王生仁 覃礼貌 杜世回 罗锋 刘慰心 |
| |
| 作者单位： | 西南交通大学地球科学与环境工程学院,成都 611756;西南交通大学,高速铁路线路工程教育部重点实验室,成都 610031,西南交通大学地球科学与环境工程学院,成都 611756,吉林大学地球探测科学与信息技术,长春 130026,中铁一院勘察设计院集团有限公司,西安 710043 |
| |
| 基金项目： | 中国中铁股份有限公司科技研究开发计划项目;中央高校基本科研业务费;四川省科技厅计划项目;国家重点研发计划;西藏自治区科技计划项目 |
| |
| 摘 要： | 边界识别是位场数据处理中极为重要的一种技术,现有的边界识别方法属于无监督式机器运算,其识别精度与地质体的空间分布存在很大关系,尤其是对深部复杂异常体的识别存在边界模糊的特点.为了进一步提高边界识别的精度,受深度学习卓越非线性映射能力和监督式学习优点的启发,本文提出了基于深度学习的位场边界识别方法,深度学习网络结构是一种...
|
| 关 键 词： | 位场边界识别 多尺度 注意力机制 密集跳跃连接 |
Deep learning for potential field edge detection |
| |
| ZHANG ZhiHou,YAO Yu,SHI ZeYu,WANG Hu,QIAO ZhongKun,WANG ShengRen,QIN LiMao,DU ShiHui,LUO Feng,LIU WeiXin.Deep learning for potential field edge detection[J].Chinese Journal of Geophysics,2022,65(5):1785-1801. |
| |
| Authors: | ZHANG ZhiHou YAO Yu SHI ZeYu WANG Hu QIAO ZhongKun WANG ShengRen QIN LiMao DU ShiHui LUO Feng LIU WeiXin |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
