来源：期刊VIP网 时间：
作者：韩鑫豪;何月顺;陈杰;熊凌龙;钟海龙;杜萍;田鸣;
单位：东华理工大学信息工程学院;江西省放射性地学大数据技术工程实验室;郑州市公安局网监支队;
摘要：常规卷积神经网络在识别纹理多变的岩石图像时，由于感受野和局部处理方式的局限性，识别精度不高，为解决上述问题，在复杂情况下准确识别岩石岩性，提高地质调查的效率，文中提出一种基于改进Swin Transformer的岩石识别方法。该方法增加了空间局部感知模块，并结合Transformer的自注意力结构来增强对局部相关性的提取。为增强泛化，模型中添加了Dropout层，减少对单神经元的依赖。为进一步提高网络的泛化能力，采用AugMix算法对岩石图像进行数据增强，并结合迁移学习技术对网络进行预训练从而优化网络参数。实验结果表明，该方法的识别准确率为96.4%，高于ResNet50、GoogLeNet、VGG16网络。
关键词：岩石识别;;深度学习;;Transformer;;自注意力机制;;计算机视觉;;识别精度
基金资助：江西省放射性地学大数据技术工程实验室开放基金课题（JELRGBDT202203）
