基于混合专家模型的岩石薄片图像分类

来源：吉林大学学报·理学版杂志2024年第4期北京时间：

作者：周程阳, 刘伟, 吴天润, 李骜, 韩霄松

单位：1. 吉林大学 软件学院, 长春 130012； 2. 中国石油集团工程技术研究院, 北京 102206

摘要：以常见的5种岩石薄片作为研究对象构建数据集, 提出一种新的基于混合专家模型的岩石薄片图像分类模型. 该模型从薄片图像中学习到每种岩石图像的特征, 并对其进行分类. 首先, 使用多个基于卷积神经网络(CNN)和Transformer的图像分类模型(ResNet50,MobileNetV3,InceptionV3,DeiT等)对数据进行训练; 其次, 选取效果较好的模型, 通过构建混合专家模型, 得到最终的预测结果, 其岩性识别准确率(ACC)和AUC在验证集上达到85.33%和96.69%, 在测试集上达到87.16%和96.75%; 最后, 通过混合专家模型结合多个模型, 综合各模型的优势, 平衡各模型间的贡献, 提高分类结果的准确性和鲁棒性, 使得到的分类结果更可靠、 稳定.

关键词：岩石薄片分类,混合专家模型,图像分类